[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

自適應協方差學習引導人工蜂群的方法，包括以下步驟，隨機產生初始種群，引入自適應協方差學習方法，提取總體的協方差信息來獲得研究種群的分布信息，并將其作為一個學習因素來引導各階段的搜索過程，充分利用種群的分布信息產生新個體，增強算法收斂性能；另外利用自適應種群規模遞減策略和多偵察蜂策略提高算法開發能力；最后，通過在測試函數上進行仿真實驗驗證所提出算法的正確性和有效性；能夠有效地解決復雜單目標問題。

技術領域

本發明屬于演化計算中的單目標優化研究技術領域，具體涉及自適應協方差學習引導人工蜂群的方法，以及協方差學習。

背景技術

單目標問題(Single-Objective Problems)，許多科學和工程問題往往被簡化為優化問題，在問題中尋找全局最優解是一個持續的挑戰。因此，設計一種有效的優化技術具有重要意義。在本文中，我們考慮以下盒約束連續優化問題：

min f(x)

s.t.：x＝(x₁，x₂，...，x_D)∈Ω

其中，是具有D維變量的決策變量，每一個x_j有一個下限x_j和上限Ω是決策空間。

為了更好地實現全局優化目標，發展了各種優化技術，主要包括數學規劃和進化計算。與數學規劃相比，進化計算對優化問題的數學性質假設較弱，找到全局最優解的概率較高。在過去的30年里，各種進化計算算法被提出，如遺傳算法(GA)，差分進化算法(DE)，粒子群優化算法(PSO)，人工蜂群算法(ABC)。作為一種相對較新的進化優化算法，ABC因其概念簡單、易于實現、效率高而在電子商務領域受到廣泛歡迎。

ABC是Karaboga開發的一種基于種群的隨機算法，它模擬了蜜蜂的覓食行為。最近的一項研究表明，ABC在許多盒約束連續優化問題上有良好的性能，但其緩慢的收斂速度受到了廣泛的批評。其主要原因是ABC的求解搜索策略善于探索而不善于開發。因此，在探索過程中如何平衡探索與開發，是ABC改進工作的核心思想。為了達到這個目的，在過去的十年里進行了許多改進工作。

例如，Kumar和Mishra引入了一種協方差引導ABC(CABC)，它適用于混合協方差信息的ABC操作符。Aslan等人提出了一種改進的快速ABC(iqABC)，通過管理最佳的食物源信息來提高早期收斂性能。Biswas等設計了一種候鳥多群ABC(MiMSABC)，實現了多個不同擾動策略的覓食群體協同進化，以提高ABC的性能。Wang等人提出了一種多策略集成ABC(MEABC)，使用三種不同的搜索策略通過競爭產生后代。Kang等人介紹了Rosenbrock ABC(RABC)，它結合了Rosenbrock旋轉方向法和ABC。在RABC中，勘探階段由ABC實現，開發階段由旋轉方向法完成。Kang等人進一步提出了將hook-jeeves模式搜索與ABC(HABC)相結合的模因算法。

通過對已有的ABC算法進行分析發現ABC存在以下不足：

1)ABC的搜索模式基于一維搜索，因此，ABC算法的收斂性能不佳是由于它的一維搜索方式，而不是因為沒有引導項。

2)子代的產生基于個體，沒有利用到種群的分布信息。

發明內容

為了克服上述現有技術的不足，本發明的目的是提供自適應協方差學習引導人工蜂群的方法，采用了改進的人工蜂群算法，該算法改進了種群的產生個體方式，可以使種群不局限于單維搜索，利用種群分布信息，加快了算法在可行解空間搜索最優解的過程；同時該算法采用了種群規模遞減以及多偵察蜂機制，增強算法的開發性能，加快其收斂速度。

為了實現上述目的，本發明采用的技術方案是：自適應協方差學習引導人工蜂群的方法，包括以下步驟：