[發明專利]基于智能水平聚類的進化方法及系統

在審

• 申請號: 202110231769.4
• 申請日: 2021-03-02
• 公開（公告）號: CN113065629A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 紀雯;葛錄錄;梁冰;楊哲銘;陳益強
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06K9/62
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 祁建國

1.一種基于智能水平聚類的進化方法，其特征在于，包括：

步驟1、初始化群體中的智能體的數量N并根據所述智能體的分布生成N個所述智能體；

步驟2、計算每個所述智能體的智能水平I_i；

步驟3、根據所述智能體的智能水平I_i對所述智能體進行聚類，得到多個簇；

步驟4、根據所述多個簇并基于粒子群優化算法對各所述簇內的所述智能體進行優化，得到進化的所述群體；

其中，Q_i(i＝1,2,...,N)代表第i個智能體完成任務的質量，T_i(i＝1,2,3,...,N)表示第i個智能體完成任務的時間。

2.如權利要求1所述的基于智能水平聚類的進化方法，其特征在于，所述智能體的分布服從定義域內的(0,1)之間的均勻分布。

3.如權利要求1所述的基于智能水平聚類的進化方法，其特征在于，所述步驟3包括：

步驟31、初始化聚類數目k及聚類中心所述聚類中心為k個所述智能體；

步驟32、分別計算群體中的所述智能體與所述聚類中心的智能水平的距離并根據所述距離將群體中的所述智能體聚類為k個所述簇；

步驟33、重新確定每個所述簇的聚類中心，所述聚類中心與所述簇內其余的每個所述智能體的智能水平的距離和最小；

步驟34、判斷當前的所述聚類中心與前一次的所述聚類中心是否相同，如是，則輸出k個所述簇，如否，則返回步驟32；

其中，表示第j個簇的聚類中心的智能水平。

4.如權利要求3所述的基于智能水平聚類的進化方法，其特征在于，所述步驟4包括：

步驟41、計算所述群體的初始智能水平；

步驟42、設置所述群體的進化中心p_ec，及最大進化迭代次數；

步驟43、根據所述粒子群優化算法更新各所述簇內的智能體的位置，并計算更新后的所述群體的智能水平；

步驟44、判斷是否達到所述最大進化迭代次數或者當前迭代的所述群體的智能水平與前一次迭代的所述群體的智能水平是否相等，如是，則輸出當前迭代的所述群體，如否，返回步驟43；

其中，所述粒子優化群算法為表示第i個智能體第g次迭代的位置，c為學習因子,r為(0,1)之間的隨機數，所述群體的智能水平計算公式為

5.如權利要求4所述的基于智能水平聚類的進化方法，其特征在于，所述群體的進化中心為各所述簇內的智能水平最高的智能體或者所述聚類中心。

6.一種基于智能水平聚類的進化系統，其特征在于，包括：

初始化模塊，用于初始化群體中的智能體的數量N并根據所述智能體的分布生成N個所述智能體；

計算模塊，用于計算每個所述智能體的智能水平I_i；

聚類模塊，用于根據所述智能體的智能水平I_i將所述智能體進行聚類，得到多個簇；

優化模塊，用于根據所述多個簇并基于粒子群優化算法對各所述簇內的所述智能體進行優化，得到進化的所述群體；

其中，Q_i(i＝1,2,...,N)代表第i個智能體完成任務的質量，T_i(i＝1,2,3,...,N)表示第i個智能體完成任務的時間。

7.如權利要求6所述的基于智能水平聚類的進化系統，其特征在于，所述智能體的分布服從在定義域內的(0,1)之間的均勻分布。