一种面向智能计算的群智能进化式优化方法与流程

技术特征：
1.一种面向智能计算的群智能进化式优化方法，其特征在于，包括以下步骤：步骤1、设置初始参数：种群中个体数量n、最大迭代次数max_iter、个体维度d，并在寻优范围内随机生成每个个体的初始位置x
i
，i＝1，2，3
……
n；步骤2、根据目标函数f(x)计算个体的适应度值f(x
i
)；步骤3、根据步骤2所得适应度值f(x
i
)，找出最优适应度值f
min
，并记录所述最优适应度值f
min
的位置，即最优个体位置x
best
(t)；步骤4、对种群中的最优个体位置进行邻域扰动，生成邻域个体位置，并计算新旧最优个体的适应度值，采用贪婪选择策略对新旧解进行对比，得到新的最优个体位置；步骤5、在保持种群规模不变的情况下，按概率将算法的寻优进化机制分成三种策略：a、1/3概率的个体执行基础算法的进化策略；b、1/3个体执行非均匀高斯变异进化策略；c、其余1/3个体再按迭代次数将算法分成两段：前半段执行t分布变异，后半段执行黄金正弦进化策略；通过所述三种策略得到原个体位置对应的新个体位置；步骤6、根据目标函数f(x)求出由步骤5所得新个体位置的适应度值，采用贪婪选择策略对原个体位置与新个体位置的适应度值进行选择，得到个体现位置；步骤7、比较当前迭代次数t是否达到最大迭代次数，若t≤max_iter，返回步骤2，继续迭代进化的寻优过程；步骤8、确定最终的最优值并输出。2.根据权利要求1所述的一种面向智能计算的群智能进化式优化方法，其特征在于，所述步骤4包括以下步骤：步骤4.1、对步骤3所得最优个体位置x
beat
(t)进行邻域扰动，生成邻域个体位置，计算所述邻域个体位置的适应度值；步骤4.2、采用贪婪选择策略对最优个体位置x
best
(t)与邻域个体位置的适应度值进行选择，得到最优个体位置。3.根据权利要求2所述的一种面向智能计算的群智能进化式优化方法，其特征在于，所述步骤4.1的计算式如下：式(1)中，rand为[0，1]之间均匀分布的随机数，x
best
(t)为当前代最优个体位置。4.根据权利要求3所述的一种面向智能计算的群智能进化式优化方法，其特征在于，所述步骤4.2的计算式如下：式(2)中，x
best
(t 1)为更新后下一代最优个体位置，即个体现位置。5.根据权利要求1所述的一种面向智能计算的群智能进化式优化方法，其特征在于，所述步骤5包括以下实施步骤：
步骤5.1、m＝rand，m为[0，1]之间均匀分布的随机数；步骤5.2、若m＜1/3，则执行基础算法的进化策略步骤5.3、若m＞2/3，由公式(3)对个体的位置进行更新；x
i
(t 1)＝x
i
(t) δ(t，g
i
(t))
ꢀꢀ
(3)步骤5.4、若1/3≤m≤2/3，则判断算法是在迭代前半段进行探索还是在迭代后半段执行开发，若t＜1/2
·
max_iter，则由公式(4)对个体的位置进行更新；x
i
(t 1)＝x
i
(t) tmd(t)
·
x
i
(t)
ꢀꢀ
(4)否则，由公式(5)对个体的位置进行更新；x
i
(t 1)＝x
i
(t)
·
|sin(r1)| r2·
sin(r1)
·
|x1·
x
best
(t)
‑
x2·
x
i
(t)| (5)式(5)中，r1为[0，2π]之间均匀分布的随机数，r2为[0，π]之间均匀分布的随机数，x1和x2是黄金分割系数，黄金分割数则x1＝
‑
π (1
‑
q)
·
2π，x2＝
‑
π q
·
2π，x
i
(t)是当前代中第i个个体的位置，x
i
(t 1)是更新后下一代中第i个个体的位置；式(3)中，δ(t，g
i
(t))为非均匀变异步长，是一种通过高斯分布自适应调节步长的变异算子，所述δ(t，g
i
(t))计算式如下：g
i
(t)＝n
·
((x
best
(t)
‑
x
i
(t))，σ)
ꢀꢀ
(7)式(6)～(7)中，y＝g
i
(t)，p为[0，1]之间均匀分布的随机数，max_iter为最大迭代次数，b为系统系数，决定变异计算的非均匀程度，b＝2，n为种群个体数量，σ为高斯分布标准差。

技术总结
本发明公开了一种面向智能计算的群智能进化式优化方法，设置初始参数，根据目标函数计算个体的适应度值；找出最优适应度值，并记录最优适应度值的位置；对种群中的最优个体位置进行邻域扰动，生成邻域个体位置，采用贪婪选择策略得到新的最优个体位置；按概率将算法的寻优进化机制分成三种策略，通过三种策略得到对应的新个体位置；根据目标函数求出新个体的适应度值，采用贪婪选择策略得到个体现位置；比较当前迭代次数是否达到最大迭代次数返回继续迭代进化的寻优过程；确定最终的最优值并输出。本发明寻优能力有明显的优越性和有效性，且本方法实现简单，没有增加算法的时间复杂度，不会造成运行缓慢的问题。不会造成运行缓慢的问题。不会造成运行缓慢的问题。


技术研发人员：刘景森 李煜 杨杰 赵方园 侯嬿淋
受保护的技术使用者：河南大学
技术研发日：2021.08.30
技术公布日：2021/11/30