[發(fā)明專利]基于自適應(yīng)策略的進(jìn)化免疫方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011461165.0
• 申請(qǐng)日: 2020-12-11
• 公開（公告）號(hào): CN112506635A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計(jì)）人: 陳曉紀(jì);海濱;王磊;李龍飛;陸發(fā)燕;張淑芳;胡張飛
• 申請(qǐng)（專利權(quán)）人: 奇瑞汽車股份有限公司
• 主分類號(hào): G06F9/48
• 分類號(hào): G06F9/48;G06N3/00
• 代理公司: 蕪湖安匯知識(shí)產(chǎn)權(quán)代理有限公司 34107
• 代理人: 鐘雪

1.一種基于自適應(yīng)策略的進(jìn)化免疫方法，其特征在于，所述方法具體包括如下步驟：

S1、初始化參數(shù)及構(gòu)建差分演化算子池；

S2、種群初始化：從差分演化算子池中隨機(jī)選擇差分演化算子，生成種群中的免疫個(gè)體，一個(gè)免疫個(gè)體對(duì)應(yīng)一種霧計(jì)算的資源調(diào)度方案；

S3、將種群劃分為大小相同的若干子種群，計(jì)算免疫個(gè)體的各目標(biāo)值，排序保留各目標(biāo)值下的精英解；

S4、針對(duì)每個(gè)子種群，基于子種群中后代與父代的自適應(yīng)值改進(jìn)率來選擇差分演化算子克隆后代；

S5、基于非支配排序策略，獲得所有子種群中的非支配解，并構(gòu)建精英解集；

S6、更新個(gè)體評(píng)價(jià)次數(shù)，執(zhí)行步驟S4，直至個(gè)體評(píng)價(jià)次數(shù)達(dá)到次數(shù)閾值，輸出最優(yōu)解。

2.如權(quán)利要求1所述基于自適應(yīng)策略的進(jìn)化免疫方法，其特征在于，目標(biāo)值基于目標(biāo)函數(shù)來進(jìn)行計(jì)算，所述目標(biāo)函數(shù)由任務(wù)完成的時(shí)延目標(biāo)函數(shù)、霧節(jié)點(diǎn)執(zhí)行該任務(wù)的能源消耗目標(biāo)函數(shù)、及霧節(jié)點(diǎn)執(zhí)行該任務(wù)時(shí)產(chǎn)生的費(fèi)用目標(biāo)函數(shù)組成。

3.如權(quán)利要求2所述基于自適應(yīng)策略的進(jìn)化免疫方法，其特征在于，所述步驟S4具體包括如下步驟：

S41、定義滑動(dòng)窗口，滑動(dòng)窗口用于保存后代與父代之間適應(yīng)值改進(jìn)率及對(duì)應(yīng)差分演化算子索引的二維數(shù)組結(jié)構(gòu)；

S42、將子種群中的各后代與父代間的適應(yīng)值改進(jìn)率及選擇的差分演化算子索引放入滑動(dòng)窗口內(nèi)，直至滑動(dòng)窗口滿；

S43、選擇滑動(dòng)窗口中最大適應(yīng)值改進(jìn)率對(duì)應(yīng)的差分演化算子來對(duì)所在的子種群執(zhí)行后代個(gè)體的克隆。

4.如權(quán)利要求3所述基于自適應(yīng)策略的進(jìn)化免疫方法，其特征在于，適應(yīng)值改進(jìn)率FIR的計(jì)算公式具體如下：

其中，pf_i表示子代個(gè)體的第i個(gè)目標(biāo)值，cf_i表示父代個(gè)體的第i個(gè)目標(biāo)值。

5.如權(quán)利要求3所述基于自適應(yīng)策略的進(jìn)化免疫方法，其特征在于，在將子種群中的后代及父代的適應(yīng)值改進(jìn)率及選擇的差分演化算子均放入滑動(dòng)窗口內(nèi)后，若滑動(dòng)窗口未滿，則隨機(jī)選擇精英解與隨機(jī)選擇的差分演化算子生成后代個(gè)體，將后代與父代間的適應(yīng)值改進(jìn)率及其選擇的差分演化算子放入滑動(dòng)窗口內(nèi)，直至滑動(dòng)窗口填滿。

6.如權(quán)利要求2所述基于自適應(yīng)策略的進(jìn)化免疫方法，其特征在于，時(shí)延目標(biāo)函數(shù)具體如下：其中，RT_i,j為當(dāng)前任務(wù)i在虛擬資源j上的理論運(yùn)行時(shí)間，TC_i,j＝1表示當(dāng)前任務(wù)i在虛擬資源j上運(yùn)行，反之TC_i,j＝0；

能源消耗目標(biāo)函數(shù)表示如下：其中，EC_ij表示在虛擬資源i中，任務(wù)j運(yùn)行需要耗費(fèi)的能源；

費(fèi)用目標(biāo)函數(shù)具體如下：O₃＝RT_i,j*perDJ；其中，RT_i,j表示計(jì)算任務(wù)i在虛擬資源j中的運(yùn)行時(shí)間，perDJ表示霧節(jié)點(diǎn)資源的計(jì)算單價(jià)。

7.如權(quán)利要求1所述基于自適應(yīng)策略的進(jìn)化免疫方法，其特征在于，差分演化算子池由至少2兩個(gè)差分演化算子組成。