[發(fā)明專利]一種提高全局搜索能力的混合爆炸式人工蜂群方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010883546.1
• 申請(qǐng)日: 2020-08-28
• 公開（公告）號(hào): CN112036538A
• 公開（公告）日: 2020-12-04
• 發(fā)明（設(shè)計(jì)）人: 張超群
• 申請(qǐng)（專利權(quán)）人: 廣西民族大學(xué)
• 主分類號(hào): G06N3/00
• 分類號(hào): G06N3/00;G06Q10/04;G06Q50/06
• 代理公司: 成都東唐智宏專利代理事務(wù)所(普通合伙) 51261
• 代理人: 羅言剛

本發(fā)明公開一種提高全局搜索能力的混合爆炸式人工蜂群方法，涉及計(jì)算智能技術(shù)領(lǐng)域，解決人工蜂群算法(ABC)局部搜索與全局搜索不平衡導(dǎo)致全局搜索能力不足的問題，其技術(shù)方案要點(diǎn)是：鑒于手榴彈爆炸法(GEM)能一致收斂于好解方向且魯棒性強(qiáng)，而柯西變異算子更適合用于全局搜索，按照優(yōu)勢(shì)互補(bǔ)的思想，用GEM改進(jìn)ABC觀察蜂的局部搜索能力，并用柯西變異算子提高偵察蜂的全局搜索能力，提出一種新的混合算法ABCGC，在每次迭代中，不用隨機(jī)方法，而使觀察蜂選擇最優(yōu)搜索維參數(shù)確定蜜源，偵察蜂采用柯西分布搜索更新蜜源，ABCGC能更好地平衡局部搜索和全局搜索，具有提高全局搜索能力和求解質(zhì)量的效果，用經(jīng)典函數(shù)優(yōu)化問題和電力系統(tǒng)優(yōu)化調(diào)度問題驗(yàn)證ABCGC是可行且有效的。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算智能技術(shù)領(lǐng)域，更具體地說，它涉及一種提高全局搜索能力的混合爆炸式人工蜂群方法。

背景技術(shù)

電力系統(tǒng)調(diào)度問題指優(yōu)化電力系統(tǒng)中各個(gè)發(fā)電機(jī)組有功發(fā)電功率，在滿足各發(fā)電機(jī)組有功發(fā)電功率范圍、負(fù)載用電需求和系統(tǒng)網(wǎng)絡(luò)損耗等約束條件下，使系統(tǒng)發(fā)電成本F最小。電力系統(tǒng)優(yōu)化調(diào)度是典型的高維、非線性、多約束規(guī)劃問題。如何充分利用現(xiàn)有資源，在滿足運(yùn)行約束和負(fù)荷需求的前提下，合理配置各機(jī)組的輸出功率，從而保證電力系統(tǒng)運(yùn)行的經(jīng)濟(jì)性和可靠性，是調(diào)度決策的關(guān)鍵。電力系統(tǒng)優(yōu)化調(diào)度是系統(tǒng)規(guī)劃和運(yùn)行領(lǐng)域的重要課題，合理有效的調(diào)度策略對(duì)電力系統(tǒng)的經(jīng)濟(jì)運(yùn)行和安全可靠意義重大。

人工蜂群算法(Artificial Bee Colony Algorithm,簡(jiǎn)稱ABC算法)是一個(gè)由蜂群行為啟發(fā)的算法，在2005年由Karaboga小組為優(yōu)化代數(shù)問題而提出。一個(gè)穩(wěn)健的搜索過程應(yīng)包含全局搜索和局部搜索。全局搜索是指獨(dú)立尋找最優(yōu)解的能力，而局部搜索是指在好解附近找到最優(yōu)解的能力。雖然經(jīng)典的人工蜂群算法(Artificial Bee Colonyalgorithm，ABC)的全局搜索能力較強(qiáng)，但其局部搜索能力較弱，即ABC的局部搜索與全局搜索不平衡，導(dǎo)致其全局搜索能力仍存在不足。

研究者們陸續(xù)提出許多改進(jìn)算法以提高ABC的性能。例如，Gao提出兩種全局最優(yōu)人工蜂群算法，即ABC/best/1和ABC/best/2；Luo設(shè)計(jì)一種收斂觀察蜂的人工蜂群算法(COABC)。他們都使用全局搜索到的歷史最優(yōu)解引導(dǎo)當(dāng)前種群的更新以提高算法的局部搜索能力。

手榴彈爆炸法(GrenadeExplosionMethod，GEM)是Ahrari受手榴彈爆炸機(jī)制的啟發(fā)于2009年提出的一種優(yōu)化技術(shù)。GEM融入個(gè)體領(lǐng)域與最優(yōu)搜索方向的概念，能求解高維、多峰函數(shù)，當(dāng)移動(dòng)和縮放目標(biāo)函數(shù)及搜索空間時(shí)其性能基本保持不變，而且不依賴于函數(shù)的結(jié)構(gòu)特征，這些均體現(xiàn)GEM一致收斂于好解方向且魯棒性強(qiáng)的特點(diǎn)，具有解決復(fù)雜優(yōu)化問題的巨大潛力。

一種根據(jù)柯西分布產(chǎn)生隨機(jī)數(shù)的柯西變異算子產(chǎn)生長(zhǎng)跳的概率較高，Yao認(rèn)為它更適合用于全局搜索，而Li認(rèn)為柯西變異算子能確保在全局范圍內(nèi)進(jìn)行搜索且不會(huì)早熟收斂，大量文獻(xiàn)表明這種算子能更好地平衡局部搜索和全局搜索之間的矛盾。很多研究者將柯西變異算子應(yīng)用于某種算法以改進(jìn)原有算法性能，主要是提高算法的全局搜索能力，其次是提高算法的局部搜索能力，例如，Yao在進(jìn)化規(guī)劃中引入柯西變異算子，使搜索步長(zhǎng)增大，從而能快速獲得全局最優(yōu)解；Rudolph從理論上證明使用柯西變異算子的進(jìn)化規(guī)劃，其最大化問題在步長(zhǎng)滿足一定條件的前提下，算法是收斂的且與初始種群無關(guān)；Zhang運(yùn)用貝葉斯技術(shù)提高粒子群算法的局部搜索能力，而用柯西變異進(jìn)行全局搜索以獲得更優(yōu)解；Dong根據(jù)柯西分布的高概率區(qū)集中在原點(diǎn)附近，將柯西變異策略引入生物地理學(xué)優(yōu)化算法，以加強(qiáng)該算法在最優(yōu)解附近進(jìn)行精細(xì)搜索，從而提高解的精度。

因此，如何研究設(shè)計(jì)一種提高全局搜索能力的混合爆炸式人工蜂群方法是我們目前急需解決的問題，為解決更多工程和管理問題提供理論基礎(chǔ)。

發(fā)明內(nèi)容