[發明專利]一種多策略多元宇宙群的智能優化算法

在審

• 申請號: 202210036297.1
• 申請日: 2022-01-11
• 公開（公告）號: CN114444645A
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 畢敬;舒文超;喬俊飛
• 申請（專利權）人: 北京工業大學
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種多策略多元宇宙群的智能優化算法，其特征在于，包括如下步驟：

步驟S1：定初始隨機的宇宙(待優化問題的多個解)的個數為m及宇宙物質數量(待優化問題的參數)的個數為n，并建立m行n列的待優化宇宙種群矩陣U并根據初始化的宇宙種群矩陣U初始化對應的宇宙種群矩陣E；

步驟S2：確定目標函數以及解的適應度函數，計算待優化宇宙種群U的適應度f(U_i)以及歸一化之后適應度norm_f(U_i)，并根據適應度f(U_i)，找出種群全局最優宇宙個體global_best以及種群中每個宇宙個體歷史最優宇宙best_i，其中，f為適應度函數，U_i為宇宙種群中第i個宇宙；

步驟S3：根據global_best和best_i按一定規則更新E宇宙種群矩陣；

步驟S4：根據宇宙個體U_i初始化新的宇宙個體矩陣O_i并根據global_best和best_i按一定策略對其進行更新；

步驟S5：使用步驟S4中已更新的宇宙個體O_i更新對應E宇宙種群中個體E_i并記錄E_i未發生改變迭代次數，然后判斷當前迭代E宇宙個體是否超過規定次數迭代閾值未更新(若超過，則很有可能陷入局部最優解)，若是，則按一定策略篩選覆蓋更新，否則，不做更改；

步驟S6：判斷當前E宇宙種群中個體是否全部更新完成；

若全部更新完成，則進入步驟S7；

若還未全部更新完成，則回到步驟S4繼續進行個體迭代更新E宇宙種群；

步驟S7：對上面更新完的所有E宇宙種群，計算適應度并排序，用于更新待優化宇宙種群U；

步驟S8：對排序E宇宙種群，使用輪盤賭機制，選出宇宙個體E_index，并使E_index宇宙個體以及待優化宇宙種群U歷史信息按一定策略更新宇宙個體U_i；

步驟S9：判斷U宇宙種群中個體是否全部更新完成，若全部更新完成則進入下一步，否則返回步驟S8繼續進行宇宙個體迭代；

步驟S10：判斷是否達到終止條件；

若達到，則輸出適應度最優的宇宙種群作為最優值，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S2繼續進行迭代優化。

2.根據權利要求1所述的多策略多元宇宙群的智能優化算法，其特征在于，在步驟S1中使用Python的Numpy包根據以下代碼初始化待優化宇宙種群矩陣U：

universes＝numpy.zeros((universe_count，universe_dim))

universes[：，i]＝numpy.random.uniform(0，1，m)*(up_list[i]-low_list[i])+low_list[i]

其中，universe_count代表宇宙種群數量，universe_dim代表待優化問題的維度。

3.根據權利要求1所述的多策略多元宇宙群的智能優化算法，其特征在于，在步驟S2中有序宇宙群sort_u＝sort(U，F)：

其中，F代表每個宇宙個體適應度的m行1列的矩陣，sort(U，F)表示將適應度矩陣按從優到劣的順序進行排列，并將待優化宇宙群矩陣U中的個體按適應度值從優到劣的順序進行調整，輸出調整后的矩陣作為有序宇宙種群矩陣sort_u，然后根據調整后的有序宇宙矩陣，選出global_best和best_i。

4.根據權利要求1所述的多策略多元宇宙群的智能優化算法，其特征在于，在步驟S3通過以下公式來更新宇宙矩陣E：

其中，c₁，r_1，d，c₂，r_2，d都是在[0，1]中均勻選擇的隨機數。