[發(fā)明專利]一種基于章魚學習記憶系統(tǒng)仿生的混合進化方法

在審

• 申請?zhí)枺?/td>: 202110062236.8
• 申請日: 2021-01-18
• 公開（公告）號: CN112784948A
• 公開（公告）日: 2021-05-11
• 發(fā)明（設計）人: 吳秋軒;章立鋒;遲曉妮;羅艷斌;王堅;林偉杰;張波濤
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N3/12
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.一種基于章魚學習記憶系統(tǒng)仿生的混合進化方法，其特征在于，其步驟如下：

步驟(1)：設定個體編碼及初始化種群，具體步驟如下：

一個RNA分子的核糖核酸由四個堿基組成，分別是胞嘧啶(C)，尿嘧啶(U)，腺嘌呤(A)和鳥嘌呤(G)，采用四個數字0(00)，1(01)，2(10)，3(11)來分別替代時胞嘧啶(C)、尿嘧啶(U)、腺嘌呤(A)和鳥嘌呤(G)；

步驟(2)：構建學習記憶網絡：

章魚獨特的垂直葉系統(tǒng)是通過基本的扇出扇入兩個突觸層網絡實現的，能處理感知信息和建立記憶,第一扇出突觸層傳入環(huán)境信息和自身姿態(tài)信息，在扇入突觸層進行計算處理，并且扇入突觸層具有記憶功能；使用兩個網絡S和V，S作為感知網絡，用于模擬第一扇出突觸層，對種群個體進行篩選并將篩選后的個體映射到S網絡中，并記錄該個體所在區(qū)域是否進行了局部搜索，V網絡作為記憶網絡，與垂直葉結構的扇入突觸層相對應，通過局部搜索計算篩選后種群個體所在區(qū)域的最優(yōu)解，并存儲算法中個體所在區(qū)域的最優(yōu)解，同時具有記憶功能，如對該區(qū)域進行過局部搜索，則將該區(qū)域的最優(yōu)個體直接進行替換，無需重復計算；

步驟(3)：個體選擇操作：

為了剔除局部最小點附近的種群個體，根據學習記憶網絡中的值來選擇個體，如果種群個體所在區(qū)域的評價值大于設定閾值，說明這個個體有可能進化成局部最優(yōu)點，需要剔除，；同時為了保持種群的多樣性，在進行選擇的時候選擇最優(yōu)的最差的后十個個體組成新的種群進行后面的操作；

步驟(4)：個體交叉：

交叉是產生新個體的重要方法，兩個染色體之間通過交叉重組產生新的個體，交叉就是在染色體中隨機的選擇基因序列，根據RNA鏈的特點，采用等長交叉和置換操作來完成個體交叉；

步驟(5)：個體變異操作：

為了模擬生物RNA的特性，設置兩種不同的變異概率，即高位突變概率和低位突變概率，按照高低位突變概率進行變異，在種群開始迭代時采用高位突變概率來增加全局搜索能力，在種群迭代一半后采用低位突變概率來增強局部搜索能力。

2.根據權利要求1所述的，一種基于章魚學習記憶系統(tǒng)仿生的混合進化方法，其特征在于，步驟2具體步驟如下：根據種群個體取值邊界值設置兩個n*n的網絡S和V；S網絡初始化為0，0表示未進行搜索，1表示已經進行過搜索，S網絡用于存儲是否進行過局部搜索，V網絡用于存儲最優(yōu)解；

首先取出當前代中的最優(yōu)的種群個體A(x1,x2),將該個體映射到S網絡，映射公式如下：

其中是取整，x_left是個體的左邊界，x_right是個體的右邊界，查看對應S網絡的值，若為0，則說明沒有進行過局部搜索，計算其領域范圍得到個體所在區(qū)域，其中a，b為根據種群個體邊界值選擇的定值，然后在計算得到的領域范圍內使用蟻群算法進行局部搜索，尋找該領域范圍內的最優(yōu)解用于替換原來的種群個體A，并將對應S網絡的值設置為1，同時將最優(yōu)解記錄在對應的V網絡中；若S網絡的值為1，則表示對該區(qū)域已經進行過局部搜索，則將對應V網絡的最優(yōu)解替換個體A；將種群個體按照適應度由低到高排序，x_i表示排序為i的個體，x為上述種群個體A，構造一個評價函數val如下：

其中，|x_i-x|為第i個個體和種群個體A的歐式距離，|f(x_i)-f(x)|為兩個個體的適應度值的差，λ是評價函數的權重因子；當val≥ε時，(ε為設定的閾值)，說明x_i所在的區(qū)域為可能為局部最小值區(qū)域，將種群個體x_i映射到S網絡,若S網絡對應的值為1，則將對應的V網絡最優(yōu)解與個體A進行比較，若S網絡對應的值為0，則將S網絡的值置1，并用蟻群算法進行局部搜索得到最優(yōu)解，同時在網絡V中進行實時更新，將適應度值與種群個體A的適應度值進行比較；如果個體A的適應度值大，則個體A為局部最優(yōu)解，反之則個體x_i為局部最優(yōu)解。