[發明專利]一種快速尋優的智能優化算法

在審

• 申請號: 202011004817.8
• 申請日: 2020-09-22
• 公開（公告）號: CN112132252A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 邊莉;車向前;賈寶柱;何輝;何萬濤;郭延艷
• 申請（專利權）人: 廣東海洋大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06Q10/04
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 劉瑤云;陳偉斌

本發明提供一種快速尋優的智能優化算法，包括以下步驟：S1：建立待優化種群矩陣；S2：分別計算各個種群的誤差值；S3：得到有序種群矩陣；S4：形成較優種群矩陣；S5：建立新種群矩陣并記錄i個新種群；S6：新種群矩陣記錄第i+1個新種群；S7：得到j個新種群并記錄到新種群矩陣中；S8：全局隨機選取m?(i+j+1)個新種群并記錄到新種群矩陣中，從而得到m行n列的新種群矩陣；S9：分別計算各個新種群的誤差值；S10：判斷是否達到終止條件；若達到，則輸出最優值，完成優化計算；若未達到，則返回步驟S3進行迭代優化。本發明提供一種快速尋優的智能優化算法，通過選取誤差值較小的種群進行優化計算，加快了運行速度，解決了目前智能優化算法的尋優效率比較低的問題。

技術領域

本發明涉及智能優化算法技術領域，更具體的，涉及一種快速尋優的智能優化算法。

背景技術

智能優化算法是一種具有全局優化性能、通用性強且適合于并行處理的算法。大多數智能優化算法受仿生學原理的啟發，在解決NP-hard問題時具有不錯的效果。其中較為經典的智能優化算法有遺傳算法、粒子群算法、模擬退火算法等。但是這些算法在尋優過程中，往往有較多的非必要運算，導致尋優效率比較低，并且運行時間長，精確率低。

現有技術中，如2015年11月25日公開的中國專利，基于種群聚集程度的粒子群算法，公開號為CN105095595A，根據尋優過程的進展和粒子聚集程度，對不同粒子采取不同進化策略，以降低陷入局部極值點的可能性，提高算法的全局搜索能力，有效避免了早熟收斂，但沒有簡化非必要運算，導致尋優效率比較低。

發明內容

本發明為克服目前智能優化算法的尋優效率比較低的技術缺陷，提供一種快速尋優的智能優化算法。

為解決上述技術問題，本發明的技術方案如下：

一種快速尋優的智能優化算法，包括以下步驟：

S1：設定初始位置隨機的種群的個數m以及待優化參數的個數n，并建立m行n列的待優化種群矩陣；

S2：確定目標函數和目標值，將待優化種群矩陣代入目標函數中得到各個種群的輸出值，并分別計算各個種群的輸出值與目標值之間的誤差值；

S3：按照誤差值從小到大的順序對各個種群標記序號，并根據序號調整各個種群在待優化種群矩陣中的位置，從而得到有序種群矩陣；

S4：選取有序種群矩陣中的前2i行種群，形成2i行n列的較優種群矩陣；其中，i為選取參數，

S5：將較優種群矩陣中每兩個序號相鄰的種群組成一組，且每個種群只在一組中出現，分別在各組中選出一個新種群，從而得到i個新種群；并建立新種群矩陣，將i個新種群記錄到新種群矩陣中；

S6：將誤差值最小的種群向遠離誤差值第二小的種群的方向移動若干距離，得到第i+1個新種群，并將第i+1個新種群記錄到新種群矩陣中；

S7：設定選取范圍，以有序種群矩陣中誤差值最小的種群為中心，得到j個在選取范圍內的種群，并將j個種群作為新種群記錄到新種群矩陣中；其中，j≤i-1；

S8：全局隨機選取m-(i+j+1)個種群作為新種群并記錄到新種群矩陣中，從而得到m行n列的新種群矩陣；

S9：將新種群矩陣代入目標函數中得到各個新種群的輸出值，并分別計算各個新種群的輸出值與目標值之間的誤差值；

S10：判斷是否達到終止條件；

若達到，則輸出誤差值最小的新種群作為最優值，完成優化計算；

若未達到，則將新種群矩陣作為待優化種群矩陣，并返回步驟S3進行迭代優化。