基于对数型收敛因子与聚合势能的鲸鱼优化系统及方法与流程

技术特征：
1.基于对数型收敛因子与聚合势能的鲸鱼优化方法，其特征在于：按如下步骤进行：步骤1：初始化参数；设定搜索代理数量n，远大于n的整数n1，螺旋形线性参数b，函数维度dim，最大代数t
max
，迭代初值t＝1；确定优化目标与搜索区域；其中，搜索区域由目标函数的定义具体给出，ub表示搜索上界，lb表示搜索下界，i表示第几个搜索代理，d表示求解纬度；步骤2：利用式(1)cubic混沌模型n1 n个dim维向量，并通过式(2)依据搜索区域将向量各维度映射到限定区域内，分别计算适应度值，选取适应度最差的n个点为初始化搜索代理；理；步骤3：根据具体问题模型确定当前各搜索代理的适应度值并比较，更新当前适应度最好的搜索代理为最优目标，位置坐标为x
*
；步骤4：通过式(3)更新参数对数型收敛因子a，其中，r
a
、r
c
均为[0,1]之间的随机变量；分别通过式(4)、(5)更新参数式a、c；a＝2a
·
r
a
‑
a
ꢀꢀꢀꢀ
(3)c＝2
·
r
c
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)步骤5：通过式(6)更新聚合势能e，通过式(7)更新参数自适应权重w；其中，w1、w2为初始最小惯性权重和最大权重；最小惯性权重和最大权重；步骤6：根据聚合势能e与当前最优适应度值判断算法是否陷入过早熟状态，若聚合势能无限接近0且最优适应度未达到理想最优，则判断进入过早熟状态；通过步骤2重新生成
n/2个点，并替换当前适应度最差的n/2个搜索代理；若未进入，则跳过；步骤7：更新随机参数变量l、p，其中，在l用于控制螺旋形运动幅度，取值在[
‑
1,1]之间，p用于控制位置更新，在[0,1]之间；分别比较判断参数p、a的值，确定搜索代理的位置更新表达式，通过式(8)更新搜索代理的位置；步骤8：更新迭代次数t；与最大迭代次数t
max
进行比较，若t≤t
max
，则回到步骤3；若t＞t
max
，则结束搜索。2.基于对数型收敛因子与聚合势能的鲸鱼优化系统，其特征在于：包括如下模块：参数初始化模块：初始化参数；设定搜索代理数量n，远大于n的整数n1，螺旋形线性参数b，函数维度dim，最大代数t
max
，迭代初值t＝1；确定优化目标与搜索区域；其中，搜索区域由目标函数的定义具体给出，ub表示搜索上界，lb表示搜索下界，i表示第几个搜索代理，d表示求解纬度；适应度值计算模块：利用式(1)cubic混沌模型n1 n个dim维向量，并通过式(2)依据搜索区域将向量各维度映射到限定区域内，分别计算适应度值，选取适应度最差的n个点为初始化搜索代理；化搜索代理；更新当前适应度最优搜索代理模块：根据具体问题模型确定当前各搜索代理的适应度值并比较，更新当前适应度最好的搜索代理为最优目标，位置坐标为x
*
；更新参数对数型收敛因子模块：通过式(3)更新参数对数型收敛因子a，其中，r
a
、r
c
均为[0,1]之间的随机变量；分别通过式(4)、(5)更新参数式a、c；a＝2a
·
r
a
‑
a
ꢀꢀꢀꢀ
(3)c＝2
·
r
c
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)更新聚合势能、参数自适应权重模块：通过式(6)更新聚合势能e，通过式(7)更新参数自适应权重w；其中，w1、w2为初始最小惯性权重和最大权重；
判断是否陷入过早熟模块：根据聚合势能e与当前最优适应度值判断算法是否陷入过早熟状态，若聚合势能无限接近0且最优适应度未达到理想最优，则判断进入过早熟状态；通过适应度值计算模块重新生成n/2个点，并替换当前适应度最差的n/2个搜索代理；若未进入，则跳过；更新搜索代理位置模块：更新随机参数变量l、p，其中，在l用于控制螺旋形运动幅度，取值在[
‑
1,1]之间，p用于控制位置更新，在[0,1]之间；分别比较判断参数p、a的值，确定搜索代理的位置更新表达式，通过式(8)更新搜索代理的位置；更新迭代次数模块：更新迭代次数t；与最大迭代次数t
max
进行比较，若t≤t
max
，则回到更新当前适应度最优搜索代理模块进行操作；若t＞t
max
，则结束搜索。

技术总结
本发明基于对数型收敛因子与聚合势能的鲸鱼优化系统及方法，方法按如下步骤：步骤1：初始化参数；步骤2：计算适应度值，选取适应度最差的n个点为初始化搜索代理；步骤3：根据具体问题模型确定当前各搜索代理的适应度值并比较，更新当前适应度最好的搜索代理为最优目标；步骤4：更新参数对数型收敛因子；步骤5：更新聚合势能、参数自适应权重；步骤6：根据聚合势能与当前最优适应度值判断算法是否陷入过早熟状态；步骤7：更新搜索代理的位置；步骤8：更新迭代次数t；与最大迭代次数T


技术研发人员：郑涛 滕旭阳 骆元昊 张旭光
受保护的技术使用者：杭州电子科技大学
技术研发日：2021.08.16
技术公布日：2021/12/2