[发明专利]一种具有内在并行能力的多尺度量子谐振子优化方法

说明书

技术领域

本发明属于函数优化人工智能技术领域，具体涉及一种具有内在并行能力的多尺度量子谐振子优化方法。

背景技术

随着计算机人工智能的快速发展，通过云计算平台及大数据分析解决的问题越来越多。而在众多需要云计算平台解决的问题中，常常需要做的是通过收敛的方式求最优解，如从一个地方到另一个地方用时最短，能量消耗最低，方案最优等，一般来说，任何的问题都可以转换成数学目标函数，通过求解目标函数的最优解从而使问题得到解决。然而，由于求最优解的过程需要的计算量很大，通常需要通过云计算进行解决。

2016年文献(王鹏，黄焱.具有能级稳定过程的MQHOA优化算法[J].通信学报,2016,37(7):79-86)引入能级稳定过程改进了MQHOA算法，提出了具有能级稳定过程的MQHOA优化算法，该方法目前存在两个缺陷：

(1)能级稳定过程是MQHOA算法的核心迭代过程，但由于每次迭代均需要计算k个高斯采样中心位置的标准差σ_k，从而使各个高斯采样区域采样操作不能独立进行，这一问题使算法在并行集群上运行时需要频繁的进行消息传递来计算标准差，并行效率很低。这一缺陷造成算法无法有效利用基于大规模集群技术的高性能计算机实现对超高维复杂函数的优化工作。

(2)从物理模型上看目前算法的能级下降判据为两次能级稳定操作之间k个高斯采样中心位置的标准差σ_k之差(Δσ_k＝|σ_k-σ_k′|)小于当前尺度，这一判据不能保证算法在亚稳态的完全稳定，使算法在各局部最优区域迭代不充分，可能造成最优解位置的丢失。

发明内容

本发明的目的在于解决以上现有技术中存在的技术问题的至少一项，提供一种在大规模并行计算机上可以高效的运行、算法流程精简、显著提高云计算平台计算效率的具有内在并行能力的多尺度量子谐振子优化方法。

本发明的目的是通过以下技术方案实现的：

一种具有内在并行能力的多尺度量子谐振子优化方法，包括步骤：

S101.设定最小标准差的值σ_min，设定标准差σ_s的值；在目标函数f(x)的定义域[min，max]内随机抽取K个第一随机数，即x₁，x₂，x₃，…，x_i，…，x_k；

S102.将标准差σ_s和K个第一随机数分别代入正态分布公式

按照所述正态分布公式在定义域[min，max]内分别生成相应的K个第二随机数，即x₁’，x₂’，x₃’，…,x_i’，…，x_k’；

S103.将所述K个第一随机数分别代入目标函数f(x)得到K个第一函数值，即f(x₁)，f(x₂)，f(x₃)，…，f(x_i)，…，f(x_k)；

将所述K个第二随机数分别代入目标函数f(x)得到K个第二函数值，即f(x₁’)，f(x₂')，f(x₃')，…，f(x_i’)，…，f(x_k’)；

S104.对于任意x_i，和x_i’，若f(x_i’)<f(x_i)，则将x_i的值用x_i'的值替换，如有替换发生则返回执行步骤S102，如无替换发生则进行步骤S105；

S105.将K个第一函数值中的最大值f(x^worst)的自变量X^worst的值，用当前K个X_i的平均值X^mean进行替换，执行步骤S106；

S106.若K个高斯采样中心位置X_i的标准差σ_k大于σ_s，则返回执行步骤S102；否则将标准差σ_s的值缩小后，执行步骤S107；