[發明專利]一種基于新型全局優化方法

在審

• 申請號: 202011213287.8
• 申請日: 2020-11-04
• 公開（公告）號: CN112507598A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 吳在桂;楊婷婷;楊柳慶;張勇
• 申請（專利權）人: 南京航空航天大學;南京長空科技有限公司;南京浦口高新技術產業開發區管理委員會
• 主分類號: G06F30/25
• 分類號: G06F30/25
• 代理公司: 北京艾皮專利代理有限公司 11777
• 代理人: 楊克

1.一種基于新型全局優化方法，其特征在于，包括以下步驟：

(1)平衡優化算法初始化；其步驟1還包括求解平衡方程模型和構造平衡池和候選對象，

(2)萊維飛行優化更新規則。

2.根據權利要求1所述的基于新型全局優化方法，其特征在于：在步驟(1)中，所述求解平衡方程模型中模型如下：

使用質量平衡方程來描述控制體積中非反應性成分的濃度，質量平衡方程為控制體積過程中物體進入、離開和生成的質量守恒提供了基本物理原理，質量平衡的通用方程式如下：

其中V是控制體積，C是控制體積濃度，C_eq是在控制體積內沒有任何生成的平衡態濃度，G是質量生成速率，表示質量變化速率，Q是流入和流出控制體積的體積流量，該式表明質量隨時間的變化等于進入系統的質量減去離開系統的質量加上內部產生的質量，當達到零時系統達到平衡狀態，求解質量平衡的微分方程有如下解：

其中，表示停留時間的倒數或者流失率，而F的計算表示如下：

G為生成速率，計算表示為

其中

r₁和r₂是[0,1]之間的隨機數，是通過重復由式(6)得出的相同值來構造的，GCP表示生成速率控制參數，即生成項對更新濃度過程中做出貢獻的概率。

3.根據權利要求1所述的基于新型全局優化方法，其特征在于：在步驟(1)中，所述構造平衡池和候選對象方法如下：

根據質量平衡方程的解，定義平衡濃度為從一個稱為平衡池的池中隨機選擇的迄今為止最好的解決方案之一，平衡濃度即為解的第一項，平衡狀態是算法的收斂狀態，在優化過程初始階段，平衡濃度是未知狀態，

優化過程中的四個最佳粒子定義為候選對象，四個粒子濃度的算數平均值組成平衡池，候選對象的數量是任意的，可隨優化問題類型的不同有所變化，此基礎之上，平衡池的向量表示如下：

其中表示四個最佳粒子的濃度，表示粒子的平均濃度迭代過程中，每個粒子通過以相同概率選擇的候選對象來更新其濃度。

4.根據權利要求1所述的基于新型全局優化方法，其特征在于：所述根據步驟2得到萊維飛行優化更新規則如下：

定義平衡濃度和候選對象后，不再依照式(2)的濃度更新規則，改進新的更新規則如下：

其中表示粒子的濃度，符號表示逐項相乘，rand表示[0,1]范圍內的隨機數，必須指出，只有3個有效值分別為：1，0和-1，Levy表示萊維飛行的隨機游走方程，萊維飛行是一種隨機游走類型，服從萊維分布的隨機搜索方法，是一種短距離的搜索和偶爾較長距離的行走相交叉的行走方式，這種行走方式可以使得萊維飛行具有較好的全局搜索能力，萊維分布的方程如下：

Levy～u＝t^-λ,1＜λ≤3 (9)

其中λ＝1+β，利維飛行是隨機行走的一種特殊類型，其步長的概率分布服從重尾分布，將萊維飛行步長定義為：

s表示利維飛行步長；u和υ定義如下：

其中α₀＝0.01、β＝3/2；u和υ從正態分布和中選擇，為對LEO的測試結果進行全面的分析，實驗共選取4種智能算法進行對比，分別為平衡優化算法EO、灰狼算法GWO、鯨魚優化算法WOA、粒子群算法PSO，選擇23個基準函數，并分為高維基準函數和低維基準函數，利用其各種特點來對4種智能算法進行多角度的測試和對比，此次算法測驗中，為保證測試的有效性和準確性，每種算法在單個基準函數上分別獨立運行30次，記錄運行結果的最優值、最差值、平均值和標準差，所有的算法根據其標準差的大小進行排序，此種排序方式可以看出LEO算法的優劣性。