[发明专利]一种改进的和声搜索优化方法

说明书

技术领域

本发明涉及人工智能算法领域，特别是一种改进的和声搜索优化方法。

背景技术

随着人类生存环境的扩大，以及改造和认识自然的范围拓宽。现实中处理的问题更加复杂化，使用常规优化方法如：牛顿法，单纯型法，最优梯度法，模式搜索法等已经无法满足复杂的优化问题。因此，高效的优化算法成为科学工作者的研究目标之一。同时高速计算机的广泛应用也为求解复杂问题提供了有利的工具保障。

在我国国民经济各个领域中存在许多高难度，高维度的优化问题，如：在运输中的最优调度，资源的最优分配，生产流程的最优编排，国土的最优开发，农作物的合理布局等都是一些变量维数高，利用常规优化方法不易求解的问题。

在这样的背景之下，智能优化算法是近年来发展起来的一个非常活跃的领域，是解决高维度复杂优化问题的有效途径。并被广泛运用于实际问题，涉及的领域主要包括农业，国防，工业，工程，交通，化工等。近年来涌现出大批智能优化算法。如遗传算法，紧急搜索算法，模拟退火算法，蚁群优化算法和粒子群优化算法。

和声搜索算法是2001年韩国学者ZongWoo Geem等人提出的一种基于音乐原理的新的智能搜索算法。在音乐演奏中，乐师凭借自己的记忆通过反复调节乐队中各乐器的音调，最终达到一个美妙的和声状态，Geem等人受这一现象的启发，提出了和声搜索算法。算法首先产生HM个初始解,并放入和声记忆库中；然后对解的各个分量分别以概率HMCR在和声记忆库内进行搜索,以1-HMCR的概率在记忆库外搜索,期望获得新解的对应分量.在记忆库内进行搜索时,当随机搜索到某一分量后,则对该分量以概率PAR进行扰动.最后由搜索后得到的各个分量构成新解,若新解优于记忆库中的最差解,则用新解替换库中最差解.如此循环,直到满足终止条件为止。

现有技术中的和声搜索算法的缺点在于其算法鲁棒性不高，随机性大，相对比较依赖初始和声库，容易陷入局部最优。

发明内容

本发明的目的在于提供一种改进的和声搜索优化方法，以克服现有技术中存在的缺陷。

为实现上述目的，本发明的技术方案是：一种改进的和声搜索优化方法，包括如下步骤：

步骤S1：确定优化问题的目标函数，约束条件以及和声搜索的基本参数；

步骤S2：对和声记忆库HM进行初始化；

步骤S3：产生新解；

步骤S4：随机进行分配操作；

步骤S5：更新和声记忆库HM，判断新解是否优于HM最差解，若是，则更新HM；

步骤S6：重复步骤S3至步骤S5，直到达到最大迭代次数或者满足准则，则停止，并循环输出最优解。

在本发明一实施例中，在所述步骤S1中，所述基本参数包括：乐器个数m；各种乐器的音调范围；和声搜索库HM中能保留的和声个数M；和声记忆库保留概率HMCR，即在产生新解时从和声记忆库保留解分量的x_i^j的概率大小；和声记忆库扰动概率PAR，即每次对部分解分量进行扰动微调的概率大小；最大迭代次数，即循环的最大次数，同时也是终止条件。

在本发明一实施例中，在所述步骤S2中，通过随机产生的M个优化问题的初始解放入和声记忆库HM内，表示为：

其中，X^j为第j个解向量，为第j个解向量中的第i个分量；f(X^j)为第j个解向量的函数值，1≤i≤m，1≤j≤M。

在本发明一实施例中，在所述步骤S3中，每次产生一个新解且新解通过三种方式中的一种或多种来进行生成：

①以HMCR为概率随机选用和声记忆库中的解；

②以1-HMCR概率随机选择生成；

③以PAR为概率对①和②中分量进行微调得到。

在本发明一实施例中，所述微调通过以下方式来进行：

其中，μ为预设带宽；p为0-1之间且用于调节微调量的随机数，为第j个解向量中的第i个分量，1≤i≤m，1≤j≤M。

在本发明一实施例中，对步骤3产生的新解，通过预设参数Assign进行概率控制，对解中各维数的解进行调节。

在本发明一实施例中，对解中每一维的解，根据随机数生成的比例r，获取该解对应的比例值部分，将该部分增加到其他维数解，再进行微调扰动操作，按照如下方式进行：

其中，r为0-1的随机数，为第j个解向量中的第i个分量，为第j个解向量中的第a个分量，1≤i≤m，1≤j≤M。