The invention discloses a method for hybrid single objective optimization symbiotic search method, which comprises the following steps: initializing the individual number N, D dimension of population, the maximum number of function evaluation parameters, randomly generated initial population; N of individual fitness evaluation, which is selected by the best individual; symbiotic strategy update population; the commensalism strategy updates the population; the parasitic symbiotic strategy updates the population; how to judge whether the termination condition is reached and the output of the optimal individual fitness value, not repeat with three update population symbiosis strategy. In the actual problem solving, the method of the invention can obtain the solution needed by less iterations, which reduces the time needed to solve the problem to a certain extent.
【技术实现步骤摘要】
一种用于单目标优化的混合生物共生搜索的方法
本专利技术属于人工智能领域,具体地说,涉及一种用于单目标优化的混合生物共生搜索的方法。
技术介绍
共生生物搜索算法是新近提出的一种模仿自然界中不同生物交互作用的新型群智能优化算法,具有搜索速度快、参数设置少等优点。与目前较优秀的差分进化算法、粒子群算法、蜘蛛算法等相比均有更好的测试效果,但与其他进化算法类似,依然存在收敛速度慢、易陷入局部最优等问题。这是因为算法的探索能力和开发能力是一对矛盾的关系,探索能力是指算法在对搜索空间进行全局搜索找到全局最优解的能力,开发能力是指算法在部分搜索区域进行搜索找到该区域的较优解的能力。所以如何权衡算法的探索能力和开发能力决定了算法的优化性能。但是由于算法提出时间较短与其性能改进及相关应用的研究成果较少,算法的理论体系还不完善。周虎等人(周虎,赵辉,周欢,王骁飞.自适应精英反向学习共生生物搜索算法[J].计算机工程与应用,2016,(19):161-166;周虎,赵辉,李牧东,蔡亚伟.多策略自适应共生生物搜索算法[J].空军工程大学学报(自然科学版),2016,(04):101-106.)于2016年分别提出两种方案对共生生物搜索算法进行改进,第一种是引进自适应精英反向学习策略:在“互利”阶段引入自适应缩放策略来平衡算法的探索能力和开发能力,在“共栖”阶段引入差分量作为扰动项增强局部搜索能力,在“寄生”阶段引入精英反向学习策略增强算法的寻优能力,对多个测试函数测试结果显示,改进后的算法对部分测试函数收敛速度较慢,还需进一步改进提升其收敛速度和收敛精度;第二种是引进多策略的自适应 ...
【技术保护点】
一种用于单目标优化的混合生物共生搜索的方法,其特征在于,包括以下步骤:步骤1、初始化个体数量N,种群的维度D,最大适应度评价次数这些参数,随机产生初始种群;步骤2、对N个个体进行适应度评价,选出其中最优个体;步骤3、采用互利共生策略更新种群;步骤4、采用偏利共生策略更新种群;步骤5、采用寄生共生策略更新种群;步骤6:判断是否达到终止条件,达到则输出最优个体和适应度值,没有则转至步骤3,所述终止条件具体为步骤1设定的最大适应度评价次数,该次数根据实际问题人为设定。
【技术特征摘要】
1.一种用于单目标优化的混合生物共生搜索的方法,其特征在于,包括以下步骤:步骤1、初始化个体数量N,种群的维度D,最大适应度评价次数这些参数,随机产生初始种群;步骤2、对N个个体进行适应度评价,选出其中最优个体;步骤3、采用互利共生策略更新种群;步骤4、采用偏利共生策略更新种群;步骤5、采用寄生共生策略更新种群;步骤6:判断是否达到终止条件,达到则输出最优个体和适应度值,没有则转至步骤3,所述终止条件具体为步骤1设定的最大适应度评价次数,该次数根据实际问题人为设定。2.根据权利要求1所述的用于单目标优化的混合生物共生搜索的方法,其特征在于,步骤1中的随机产生初始种群具体为:利用随机方法生成N个个体,构成初始种群X;X中每个个体的第j维分量采用随机方式生成,式中,lj和uj分别是所求解问题的决策变量第j维的下界和上界,rand表示(0,1)的随机数。3.根据权利要求2所述的用于单目标优化的混合生物共生搜索的方法,其特征在于,步骤3中的采用互利共生策略更新种群具体为:随机选出第j个个体Xj,保证其不与第i个个体重合,其中i从1循环到N;利用Xi和Xj生成中间变量Mutual_Vector,进而进行个体更新,更新公式为公式(2);其中,Xbest为种群中的最优个体,g为当前迭代次数,G为最大迭代次数,BF1、BF2为随机数1或者2。4.根据权利要求3所述的用于单目标优化的混合生物共生...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。