基于混杂食物链微生物动力学的站点定位组合优化方法技术

一种基于混杂食物链微生物动力学的站点定位组合优化方法，假设在一个微生物培养系统中培养有多个微生物种群，每个微生物种群不但以培养系统中的营养基为食，而且还以若干个其它微生物种群为食；微生物种群的生长状态可通过输入的营养基流量及其限制性营养物质的浓度进行调控；由于在同一个培养系统中培养，微生物种群之间存在主动和被动相互作用关系；利用上述特点并结合混杂食物链微生物动力学理论，构造出了特征吸收算子、优势攫取算子和渗透混杂算子；利用微生物种群的生长变化和特征吸收算子、优势攫取算子和渗透混杂算子的协同作用能够快速确定站点定位组合优化问题的全局最优解决方法。

【技术实现步骤摘要】

本专利技术涉及智能优化算法，具体涉及一种基于混杂食物链微生物动力学的站点定位组合优化方法。
技术介绍
考虑站点定位组合优化模型的一般形式如下：minf(X) s . t . g i a ( X ) ≥ 0 , i a ∈ I h i b ( X ) = 0 , i b ∈ E X ∈ H ⋐ R n - - - ( 1 ) ]]>式中：(1)Rn是n维欧氏空间；(2)X＝(x1，x2，…，xm，xm+1，…，xn)是一个n维决策向量，其中，前m个变量x1，x2，…，xm是连续实数型变量；后n-m个变量xm+1，…，xn是0、1整数型变量，用来表示n-m个站点是否要构建，即对于任意xj∈{xm+1，xm+2，…，xn本文档来自技高网...

【技术保护点】
一种基于混杂食物链微生物动力学的站点定位组合优化方法，简称MODO_CFC方法，其特征在于：设要解决的站点定位组合优化模型为：minf(X)s.t.gia(X)≥0,ia∈Ihib(X)=0,ib∈EX∈H⋐Rn---(1)]]>式中：(1)Rn是n维欧氏空间；(2)X＝(x1，x2，…，xm，xm+1，…，xn)是一个n维决策向量，其中，前m个变量x1，x2，…，xm是连续实数型变量；后n‑m个变量xm+1，…，xn是0、1整数型变量，用来表示n‑m个站点是否要构建，即对于任意xj∈{xm+1，xm+2，…，xn}，若xj＝1，则表示第j个站点需要构建，若xj＝0，则表示第j个站点不需要构建；(4)f(X)为目标函数，用来表示站点建设总费用与总能量消耗的加权效用和达到最低；(5)表示站点建设时所需满足的第ia个不等式约束条件；I为不等式约束条件编号的集合；(5)表示站点建设时所需满足的第ib个等式约束条件；E为等式约束条件编号的集合；(6)H为搜索空间，又称解空间；(7)f(X)、的数学表达式没有限制条件；(8)计算时，决策向量X也称为试探解；若试探解X不满足约束条件，则令f(X)＝+∞；所述MODO_CFC方法假设在一个微生物培养系统中培养有多个微生物种群，每个微生物种群不但以培养系统中的营养基为食，而且还以培养系统中若干个其它微生物种群为食；微生物种群的生长状态通过输入的营养基流量及其限制性营养物质的浓度进行调控；由于在同一个培养系统中培养，微生物种群之间存在主动和被动相互作用关系；利用上述特点并结合混杂食物链微生物动力学理论，构造出了特征吸收算子、优势攫取算子和渗透混杂算子；微生物种群的生长变化相当于在站点定位组合优化问题的搜索空间中的试探解从一个位置转移到另外一个位置，从而实现对站点定位组合优化问题的全局最优解的搜索；微生物种群Pi的生长能力强弱用微生物生长能力指数MGI来表示，MGI指数对应于优化问题式(1)的目标函数值。好的试探解对应具有较高MGI指数的微生物种群，即生长能力强的种群，差的试探解对应具有较低MGI指数的微生物种群，即生长能力弱的微生物种群。对于站点定位组合优化模型式(1)，微生物种群Pi的MGI指数计算方法为：式中，Xi为微生物种群Pi的对应的试探解；N为微生物的种群数；i为微生物种群Pi的编号；所述MODO_CFC方法包括如下步骤：(S1)初始化：a)令时期t＝0；按表2初始化MODO_CFC方法涉及到的所有参数，表2中参数的含义参见表1；表2参数初始化方法表1混杂食物链微生物动力学模型参数的取值限制策略表1中，Rand(A，B)表示在[A，B]区间产生一个均匀分布随机数，A和B为根据所要求解的优化问题特点而给定的常数，A≤B；b)随机确定N个初始微生物种群：{X1(0)，X2(0)，…，XN(0)}；c)随机确定N个初始微生物种群的初始浓度：{y1(0)，y2(0)，…，yN(0)}；d)随机确定培养系统E的营养基初始浓度S(0)；(S2)执行下列操作：(S3)令时期t从0到G，循环执行步骤(S4)～步骤(S24)；(S4)输入营养基及其限制性营养物质的浓度：Qt＝Rand(Q0，Q1)；(S5)计算：(S6)按式(5)计算r1(t)，r2(t)，…，rN(t)；ri(t)=yi(t)Σs=1Nys(t),i=1,2,...,N---(5)]]>式中，ri(t)称为微生物种群Pi在所有微生物种群中所占的比例，ri(t)简称为微生物种群Pi的占比；yi(t)为时期t微生物种群Pi的浓度；ys(t)为时期t微生物种群Ps的浓度；(S7)按式(6)计算S(t+1)；S(t+1)=S(t)+Qt(S0t-S(t))-Σi=1NC0tμ0tS(t)K0t+S(t)yi(t)---(6)]]>式中，S(t)为时期t营养基的营养浓度；(S8)令i从1到N，循环执行下述步骤(S9)～步骤(S21)；(S9)以r1(t)，r2(t)，…，rN(t)为概率分布采用轮盘赌的方法随机选择M个微生物种群，这些种群的编号形成集合MS(t)；MS(t)为时期t微生物种群Pi捕获到的M个微生物种群的编号的集合；设MS(t)＝{i1，i2，…，iM}，ik为微生物种群的编号，但ik≠i，k＝1，2，…，M；(S10)按式(7)计算yi(t+1)；yi(t+1)=yi(t)+μ0tS(t)K0t+S(t)yi(t)-Qtyi(t)-Σs∈MS(t)α0tγ0tys(t)W0t+ys(t),i=1,2,...,N---(7)]]>式中，Qt、分别为参数Q、C...

【技术特征摘要】
1.一种基于混杂食物链微生物动力学的站点定位组合优化方法，简称MODO_CFC方法，其特征在于：设要解决的站点定位组合优化模型为： min f ( X ) s . t . g i a ( X ) ≥ 0 , i a ∈ I ...

【专利技术属性】
技术研发人员：黄光球，陆秋琴，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：陕西;61