[发明专利]融合布谷鸟搜索算法和狼群算法的测试函数寻优方法、装置

说明书

技术领域

本发明涉及函数寻优领域，具体地，涉及一种融合布谷鸟搜索算法和狼群算法的测试函数寻优方法以及装置。

背景技术

布谷鸟搜索算法(Cuckoo Search Algorithm，CS)是由Xin-she Yang等人通过观察神奇的大自然现象并经过人为的处理共同开发的，是一种新型元启发式搜索算法。布谷鸟搜索算法的具体步骤如下：

1、进行初始化设置

随机产生N个鸟窝的位置然后把这N个鸟窝的位置带到测试函数当中进行选择测试，经过测试就可选出最好鸟窝的位置，并将它保存留给到下一代使用。

2、鸟窝位置搜索

基于莱维飞行，通过以下位置更新公式，开始对下一代鸟窝的位置进行搜寻，以此获得一组新的鸟窝位置，再次带入到测试函数中进行测试实验，跟上一代得到的鸟窝位置进行比较之后选择最优的鸟窝位置进入下一步。

3、鸟窝位置选择

将宿主发现外来蛋的概率p_a＝0.25与服从均匀分布的随机数r∈[0,1]相对比，如果r>p_a，那么我们可以随机改变的值；否则固定不变。再用测试函数测试改变后的鸟窝位置，把测试完的鸟窝位置跟上一代的最优鸟窝位置进行对比，记录测试值最优的鸟窝位置最后选出测试值最优的鸟窝位置

4、精度或者迭代判断

计算是否达到目标精度或者达到迭代终止条件。如果符合要求，则就是全局最优解gb，如果不符合，则要保留到下一代，返回步骤2，再进行循环迭代更新。

狼群算法主要模拟了自然界中狼的领导等级制和捕猎机理，通过模拟狼群的领导等级制将狼群划分为4种类型，如图1所示。α、β、δ被看作狼群中表现最好的前三只狼，他们引导其它的狼(ω)趋向于搜索空间中最好的区域。在整个迭代搜索过程中用α、β、δ三种狼来预测评估猎物可能位置。

根据狼群的捕猎机理将捕猎过程划分为三个阶段：搜索猎物，包围猎物，进攻猎物，如图2所示。在狼群算法中用三个解的位置来综合评估最优解的位置，可以大大降低算法陷入局部最优的概率。

然而，本申请的发明人发现，在利用现有的布谷鸟搜索算法进行测试函数寻优时存在后期收敛速度慢、局部搜索能力弱和易早熟收敛的缺点。

发明内容

本发明的目的是提供一种融合布谷鸟搜索算法和狼群算法的测试函数寻优方法以及装置。其中，所述方法所要解决的技术问题是：如何解决现有的布谷鸟搜索算法进行测试函数寻优时存在后期收敛速度慢、局部搜索能力弱和易早熟收敛的问题。

为了实现上述目的，本发明提供一种融合布谷鸟搜索算法和狼群算法的测试函数寻优方法。所述方法包括以下步骤：

S1、根据所述测试函数的自变量取值范围随机生成n个第一自变量数值，并将所述n个第一自变量数值分别代入所述测试函数，得到每一第一自变量数值对应的第一测试函数值；

S2、根据莱维飞行机制对所述n个第一自变量数值分别进行更新，得到n个对应的第二自变量数值，并将所述n个第二自变量数值分别代入所述测试函数，得到每一第二自变量数值对应的第二测试函数值；

S3、将每一第一自变量数值对应的第一测试函数值与对应的第二自变量数值的第二测试函数值进行比较，保留函数值较小者对应的自变量数值，得到n个第三自变量数值；

S4、根据预设的发现概率对所述n个第三自变量数值分别进行更新，得到n个第四自变量数值；

S5、判断迭代次数是否达到预设的迭代次数；若否，则执行步骤S6；若是，则执行步骤S7；

S6、根据所述n个第四自变量数值分别对应的第四测试函数值从所述n个第四自变量数值中选择m个第四自变量数值，对所述m个第四自变量数值进行加权评估，得到一个新的自变量数值，并将所述m个第四自变量数值和所述新的自变量数值分别分配至编号位置，及将包含分配后的所述m个第四自变量数值和所述新的自变量数值的n个自变量数值作为n个第一自变量数值，并返回步骤S1，其中，n和m分别为常数；

S7、输出最小的第四测试函数值和最小的第四测试函数值对应的第四自变量数值。

可选地，所述根据莱维飞行机制对所述n个第一自变量数值分别进行更新，得到n个对应的第二自变量数值，包括：

根据以下公式一分别更新所述n个第一自变量数值：