一种基于模拟退火改进的自私兽群优化算法制造技术

本发明专利技术公开了一种基于模拟退火改进的自私兽群优化算法，首先，根据电网微服务调度问题，构造0

【技术实现步骤摘要】
一种基于模拟退火改进的自私兽群优化算法


[0001]本专利技术属于电网微服务调度算法
，特别是涉及一种基于模拟退火改 进的自私兽群优化算法。

技术介绍

[0002]自私兽群算法(SHO)的灵感来自于汉密尔顿的自私羊群理论。汉密尔顿提 出群居行为可能被认为是一种寻找掩护的形式，每个个体都试图减少自己被捕食 者捕获的机会。而且在捕食者攻击期间，种群中的个体将试图通过在自己和捕食 者之间放置其他同类特性来降低自己的捕食风险。在集群中，外围个体被捕食风 险较高，而靠近中心的个体被捕食风险较低。而且每个个体的生存值不同，种群 中更占优势的动物很容易在聚集群中获得低风险的中心位置，而从属的动物通常 被迫进入更高风险的位置。
[0003]自私兽群算法是模拟自然界中猎物种群和捕猎者种群在各种因素的影响下 所作出的移动、捕猎者捕食、猎物繁殖等一系列过程。此外，这种自私群体中每 个个体的表现是群体内部多因素互作用的结果，这使得SHO能够纳入相互协作的 机制，从而避免在其他群体智能算法中常见的关键缺陷，如过早收敛。但随着研 究的深入，一些学者发现该算法存在收敛速度较慢，搜索方向单一等缺点，这在 一定程度上限制了自私兽群算法的理论发展和应用范围。并且将原算法应用于电 网微服务调度平台后，发现原算法具有产生调度序列的速度慢、生成的调度序列 运行花费时间长(即结果非最优解)的问题，说明原算法具有收敛速度慢、易陷 入局部最优解等缺点。
[0004]鉴于此，本专利技术提出一种基于模拟退火改进的自私兽群优化算法，基于模拟 退火算法中Metropolis准则的思想，改变被捕食者群体首领的选择方法，使解空 间的搜索范围得以扩大，在一定程度上解决了陷入局部最优解和收敛速度较慢的 问题。并通过0
‑
1背包问题验证算法的效果。

技术实现思路

[0005]本专利技术的目的在于提供一种在用于解决高维0
‑
1背包问题的基于模拟退火改 进的自私兽群优化算法。
[0006]实现本专利技术目的的技术解决方案为：一种基于模拟退火改进的自私兽群优化 算法，包括以下步骤：
[0007]步骤1、根据电网微服务调度问题，构造低维0
‑
1背包数据集和高维0
‑
1背 包数据集作为实验对象；
[0008]步骤2、预设应用于电网微服务调度问题的自私兽群优化算法的限制条件以 及基于模拟退火改进的自私兽群算法的研究目标；
[0009]步骤3、利用模拟退火改进的自私兽群算法对目标进行优化，基于模拟退火 中的Metropolis准则对自私兽群算法的兽群首领选择进行改进，在迭代中动态改 变最优解的搜索方向以避免局部最优解；
[0010]步骤4、将算法应用于解决电网微服务调度问题中的0
‑
1背包问题。
[0011]进一步地，步骤2中算法的限制条件、基于模拟退火改进的自私兽群算法的 研究目标分别对应于电网微服务调度实际问题中的数据中台的资源、大规模数据 服务请求提供资源的最佳匹配。
[0012]进一步地，步骤3中利用基于模拟退火中的Metropolis准则对自私兽群算法 的兽群首领选择进行改进；当猎物群体状态不稳定，即猎物群体的分布较为离散 时，以较高的概率选择生存值最高的个体作为猎物群体首领；当猎物群体状态趋 于稳定，即猎物群体的分布较为密集时，以较高的概率选择生存值最低的个体作 为猎物群体首领，以此避免算法陷入局部最优解。
[0013]进一步地，所述猎物群体的离散程度使用欧氏距离来衡量，猎物群体首领选 择的具体方案如下：
[0014][0015]其中，x
i
为每个维度下的坐标平均值，为某维度下兽群坐标的平均值，x
ij
为每个维度下各个个体坐标值，d为欧氏空间距离，r用于判断使用生存值最优 还是最差的猎物个体作为猎物群体首领，Nh为猎物群体数量，n为维数，Np为 捕猎者的数量，SVhi表示猎物个体的生存值，SVhL为猎物群体首领生存值，a 为参数，η为0到1之间的随机数。
[0016]进一步地，步骤4将利用0
‑
1背包问题模拟电网微服务调度问题，二者的对应 关系为：0
‑
1背包中坐标维度对应电网调度请求的个数、物品装入状态对应调度 状态、每个物品的重量对应每个请求所需不同资源数；电网调度中的限制条件为： 计划分配资源的个数小于等于系统资源个数，且希望并发任务数最多；0
‑
1背包 模拟时的限制为：背包重量最大；0
‑
1背包问题的具体模型如下：
[0017][0018][0019]其中，f(x)表示背包内物品的价值量，也就是优化问题的目标函数；表示装入背包物品的总重量，其中装入背包中物品的重量之和不能超过背包的最 大承受重量；x
j
代表物品的装入状态，当x
j
等于1时，表明物品j被装入背包；当 x
j
等于0时，表明物品j被舍弃；为各物品价值之和，N为物品数量， C为背包最大承受重量。
[0020]与现有技术相比，本专利技术具有如下有益效果：1)改进后的算法被应用于解 决电网微服务调度问题，基于模拟退火有效地提高算法收敛速度，避免算法陷入 局部最优解，在收敛性和分布性方面具有较好的竞争性和有效性；2)本专利技术改 变被捕食者群体首领的选择方法，使解空间的搜索范围得以扩大，在一定程度上 解决了陷入局部最优解和收敛速度较慢的问题，与改进前相比，调度结果的产生 速度平均提高了4倍，调度后所生成方案的运行用时平均减少到原用时的1/6。
附图说明
[0021]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分， 本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0022]图1为本专利技术总体流程示意图；
[0023]图2为基于模拟退火改进的自私兽群优化算法流程图；
[0024]图3为f1的进化曲线；
[0025]图4为f2的进化曲线；
[0026]图5为f3的进化曲线；
[0027]图6为f4的进化曲线；
[0028]图7为f5的进化曲线；
[0029]图8为f6的进化曲线；
[0030]图9为f1的方差图；
[0031]图10为f2的方差图；
[0032]图11为f3的方差图；
[0033]图12为f4的方差图；
[0034]图13为f5的方差图；
[0035]图14为f6的方差图；
[0036]图15为f7的进化曲线；
[0037]图16为f8的进化曲线；
[0038]图17为f9的进化曲线；
[0039]图18为f
10
的进化曲线；
[0040]图19为f
11
的进化曲线；
[0041]图20为f
12
的进化曲线；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模拟退火改进的自私兽群优化算法，其特征在于，包括以下步骤：步骤1、根据电网微服务调度问题，构造低维0
‑
1背包数据集和高维0
‑
1背包数据集作为实验对象；步骤2、预设应用于电网微服务调度问题的自私兽群优化算法的限制条件以及基于模拟退火改进的自私兽群算法的研究目标；步骤3、利用模拟退火改进的自私兽群算法对目标进行优化，基于模拟退火中的Metropolis准则对自私兽群算法的兽群首领选择进行改进，在迭代中动态改变最优解的搜索方向以避免局部最优解；步骤4、将算法应用于解决电网微服务调度问题中的0
‑
1背包问题。2.根据权利要求1所述的一种基于模拟退火改进的自私兽群优化算法，其特征在于，步骤2中算法的限制条件、基于模拟退火改进的自私兽群算法的研究目标分别对应于电网微服务调度实际问题中的数据中台的资源、大规模数据服务请求提供资源的最佳匹配。3.根据权利要求1所述的一种基于模拟退火改进的自私兽群优化算法，其特征在于，步骤3中利用基于模拟退火中的Metropolis准则对自私兽群算法的兽群首领选择进行改进；当猎物群体状态不稳定，即猎物群体的分布较为离散时，以较高的概率选择生存值最高的个体作为猎物群体首领；当猎物群体状态趋于稳定，即猎物群体的分布较为密集时，以较高的概率选择生存值最低的个体作为猎物群体首领，以此避免算法陷入局部最优解。4.根据权利要求3所述的一种基于模拟退火改进的自私兽群优化算法，其特征在于，所述猎物群体的离散程度使用欧氏距离来衡量，猎物群体首领选择的具体方案如下：述猎物群体的离散程度使用欧氏距离来衡量，猎物群体首领...

【专利技术属性】
技术研发人员：王永利，孙琦月，王旻莼，程梦如，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：