[發明專利]自適應協方差學習引導人工蜂群的方法

在審

• 申請號: 202010801469.0
• 申請日: 2020-08-11
• 公開（公告）號: CN112085144A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 江巧永;崔佳男
• 申請（專利權）人: 西安理工大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N20/00
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 楊洲

1.自適應協方差學習引導人工蜂群的方法，其特征在于，包括以下步驟：

1)初始化種群，采用原始的隨機初始化方法得到初始種群；

2)雇傭蜂階段：根據公式(1)，探索搜索域，尋找新的食物源；

其中，x_i，j種群中第i個個體的第j維，x_k，j是種群中當前個體x_i之外的隨機個體，j是個體的任意變量，是在[-1,1]之間的隨機數，對應第i個個體第j個變量產生一個(0,1)之間的隨機數rand_i，j，z_j是協方差學習項的第j個變量，從而在食物源x_i附近產生新食物源v_i，其第j維向量為v_i，j，z由公式(2)生成，

z＝M+σ·rand(1，n)·sqrt(D)·B’ (2)

其中M是當前種群的平均個體，σ是控制參數，它隨演化過程減小，變化方式根據公式(3)，rand(1，n)是在(0,1)之間的n維隨機變量，B’和D是矩陣，是從當前總體的協方差矩陣中提取的信息，B’為由整個總體的協方差矩陣特征分解得到的特征向量矩陣的轉置矩陣，D為對應特征向量的特征值，

其中FES和FESMAX分別為當前評估的總數和最大評估的總數；

3)觀察蜂階段：觀察蜂和雇傭蜂用同樣的方法開發優秀的食物源，食物源越好，被進一步開發的機會就越大；觀察蜂開發食物來源的方式與雇傭蜂相同，即利用公式(1)，x_k是任意個體，防止它陷入局部最優性，z為進化提供了一個有希望的方向；

4)偵察蜂階段：與傳統的ABC相比,多個偵察蜂的策略應用，這意味著每一個食物源在一定次數沒有得到改進，它將被拋棄，相應的雇傭蜂將成為偵察蜂尋找新的食物來源；

5)為了提高算法的收斂性能，采用了種群減少策略，具體的方法是得到一個隨著評估數量的增加而減少的種群規模通過將當前種群中適應度最差的個體剔除，使其達到預定的種群規模，以便下一代進化；

6)判斷是否滿足終止條件，若函數評價次數FES小于最大函數評價次數MAXFES，則返回第2)步，否則，輸出結果，即當前解集。

2.根據權利要求1中所述的自適應協方差學習引導人工蜂群的方法，其特征在于，步驟2)-4)利用了從種群的協方差矩陣所提取的種群分布信息，以此引導各階段對于新食物源的搜索。