[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

本發明提供一種改進的多元宇宙智能優化算法，即多策略多元宇宙群的智能優化算法。本方法對多元宇宙智能優化算法更新策略單一、全局探索范圍不足等缺點進行改進創新，在優化過程中借鑒遺傳算法中交叉、變異、選擇的機制來擴大全局探索范圍；創新宇宙群更新策略，豐富優化過程中的更新機制，加強局部探測的能力。具體操作為：首先，初始化待優化問題、待優化種群U及適應度函數；在此基礎上，根據初始化信息使用不同策略更新用于待優化的宇宙種群E；再次，對已更新的E宇宙種群反向來使用不同策略更新待優化的U宇宙種群；最后，通過不斷迭代上述正反向優化過程，從而得出最終的優化結果。

技術領域

本發明涉及智能優化算法技術領域，更具體的，涉及一種多策略多元宇宙群的智能優化算法(MS_MVO)。

背景技術

現代優化算法又稱智能優化算法或現代啟發式算法，是一種具有全局優化性能、通用性強、且適合于并行處理的算法。其在解決最優化問題時具有不錯的效果，思想靈感大多來源于大自然中不同的生物。最優化問題是指在一定約束條件下尋找滿足需求的最優解，是典型的NP-hard問題。在現實生活中最為常見的就是離散的組合優化問題，如旅行商問題、背包問題、圖著色問題、車輛路徑問題等。

在過去的一段時間，大量的智能優化算法被提出，典型的有蟻群優化算法、粒子群優化算法、人工蜂群算法以及螢火蟲算法等。這類算法理論依據較為嚴密，而不僅僅只是憑借相關方面經驗，理論上可以在一定的時間內找到最優解或近似最優解。它們的共同特點：都是從任一組解出發，按照某種機制，以一定的概率在整個求解空間中探索最優解。但是這些算法在尋優過程中，可能因為探索空間有限，容易陷入局部最優解進而導致后期收斂精度不穩定等問題。

現有技術中，如2015年2月22日發表的論文《Multi-Verse Optimizer:a nature-inspired algorithm for globaloptimization》，將多元宇宙思想應用到優化算法領域，根據不同宇宙的性質(黑洞、白洞、蟲洞)來采取不同策略進行物質交換，以降低陷入局部最優解的可能性，提高算法的全局搜索能力，有效避免了過早收斂，但交換策略較為簡單并且局部搜索能力不足，導致最終優化效果不佳。

發明內容

本發明為克服目前智能優化算法的局部搜索能不足，物質交換策略不充分的技術缺陷，提供多策略多元宇宙群的智能優化算法。該方法綜合考慮借鑒了多種常見智能優化算法的優勢，從而實現最優化問題快速尋優秀。

為達到上述目的，多策略多元宇宙群的智能優化算法采用技術方案如下：

步驟S1：設定初始隨機的宇宙(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；