[发明专利]一种基于QUATRE架构的人工智能全局优化方法在审
申请号: | 201710686503.2 | 申请日: | 2017-08-11 |
公开(公告)号: | CN107506820A | 公开(公告)日: | 2017-12-22 |
发明(设计)人: | 孟振宇;潘正祥 | 申请(专利权)人: | 哈尔滨工业大学深圳研究生院 |
主分类号: | G06N3/00 | 分类号: | G06N3/00;G06F17/16 |
代理公司: | 广州嘉权专利商标事务所有限公司44205 | 代理人: | 唐致明 |
地址: | 518055 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 quatre 架构 人工智能 全局 优化 方法 | ||
1.一种基于QUATRE架构的人工智能全局优化方法,其特征在于,所述方法包括如下步骤:
S1、建立拟仿射变换进化架构,所述拟仿射变换进化架构的变换形式为:其中X为粒子种群,M为布尔型进化矩阵,为对M取反的关联进化矩阵,B为变异矩阵,表示矩阵之间元素的按位相乘;
S2、设置拟仿射变换进化架构的评价函数f(X)、全局最优值f*、迭代阈值Δf、调用评价函数的最大次数maxnfe以及进行迭代的条件,并对进化架构进行初始化,所述初始化包括初始化粒子种群X为X=XG=[X1,X2,……,Xps]TG,G=1,ps为粒子种群X中的粒子数,初始化调用评价函数的次数nfe=ps,由初始进化矩阵Minit得到布尔型进化矩阵M以及关联进化矩阵通过计算评价函数f(XG)的最优值f(Xgbest,G)得到G次迭代中粒子种群XG的当前最优粒子Xgbest,G;
S3、判断是否满足进行迭代的条件,若满足进行迭代的条件,则继续执行以下步骤,若不满足进行迭代的条件则停止;
S4、计算变异矩阵B,由变异矩阵B、布尔型进化矩阵M和关联进化矩阵根据拟仿射变换进化架构得到粒子种群XG的下一代粒子种群XG+1;
S5、更新调用评价函数的次数nfe=nfe+ps,并更新下一代粒子种群XG+1,其中更新下一代粒子种群XG+1包括分别计算粒子种群XG和下一代粒子种群XG+1中每个粒子Xi,G和Xi,G+1的评价函数值f(Xi,G)和f(Xi,G+1),并选择评价函数值较优的粒子为下一代粒子种群XG+1中对应的粒子,其中下标i表示粒子种群X中的第i个粒子,i∈[1,ps];
S6、由初始进化矩阵Minit得到布尔型进化矩阵M以及关联进化矩阵通过计算评价函数f(XG+1)的最优值f(Xgbest,G+1)得到G+1次迭代中粒子种群XG+1的当前最优粒子Xgbest,G+1,并令G=G+1然后回到步骤S3进行判断。
2.根据权利要求1所述的一种基于QUATRE架构的人工智能全局优化方法,其特征在于,所述评价函数f(X)为根据人工智能具体应用所建立的目标函数,且所述粒子种群X以行向量的形式输入评价函数f(X)进行计算,进而得到粒子种群XG中每个粒子Xi,G的评价函数值f(Xi,G)。
3.根据权利要求1所述的一种基于QUATRE架构的人工智能全局优化方法,其特征在于,进行迭代的条件为:
(1)调用评价函数的次数nfe小于调用评价函数的最大次数maxnfe;或者
(2)当前粒子种群的评价函数的最优值与全局最优值f*的差的绝对值小于迭代阈值Δf;或者
(3)同时满足上述条件(1)和(2)。
4.根据权利要求1所述的一种基于QUATRE架构的人工智能全局优化方法,其特征在于,初始进化矩阵Minit由D维单位下三角矩阵顺序堆叠而成,其中D为第G代粒子种群XG中每个粒子Xi,G的维数,具体堆叠方式如下:
令ps=k×D+j,其中k为ps除以D的整数商,j为ps除以D的余数,则Minit由k个D维单位下三角矩阵以及D维单位下三角矩阵的前j行顺序堆叠而成。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学深圳研究生院,未经哈尔滨工业大学深圳研究生院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710686503.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:电鳐无线标签的处理设备
- 下一篇:一种基于空间融合池化的深度神经网络方法