[发明专利]一种改进樽海鞘群算法的方法在审
申请号: | 201911098042.2 | 申请日: | 2019-11-12 |
公开(公告)号: | CN111027663A | 公开(公告)日: | 2020-04-17 |
发明(设计)人: | 蔺悦;陈雷 | 申请(专利权)人: | 天津大学 |
主分类号: | G06N3/00 | 分类号: | G06N3/00 |
代理公司: | 天津市北洋有限责任专利代理事务所 12201 | 代理人: | 刘子文 |
地址: | 300072*** | 国省代码: | 天津;12 |
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 改进 海鞘 算法 方法 | ||
本发明公开一种改进樽海鞘群算法的方法,针对樽海鞘群算法在迭代后期不能进行精确搜索,种群多样性较差等缺点,对樽海鞘群算法改进。通过添加衰减因子,灵活的控制搜索范围大小,加快了算法收敛速度,通过引入动态学习策略,加强了跟随者对于寻优的协助作用,实现了算法达到更高的收敛精度,改善了樽海鞘群算法的优化性能。改进的樽海鞘群算法在收敛精度和收敛速度方面都有很大提升。
技术领域
本发明涉及人工智能技术领域,具体是涉及一种新型的群智能算法。
背景技术
樽海鞘群算法是澳大利亚学者Mirjalili在2017年提出的一种新型群智能优化算法,该算法模拟了海洋动物樽海鞘的群体觅食行为,机制简单易懂,操作方便,易于实现,已经成为国内外大量研究学者的研究热点。如今,该算法已经被广泛应用于实际问题中。樽海鞘群算法也存在在迭代后期不能进行精确搜索,种群多样性较差等缺点,限制了算法的局部开发能力和全局探索能力。与其它智能优化算法相比,樽海鞘群算法的优化求解策略有待改进,以进一步提高该算法的求解精度和寻优效率。
发明内容
本发明的目的是为了克服现有技术中的不足,提供一种改进樽海鞘群算法的方法,针对樽海鞘群算法在迭代后期不能进行精确搜索,种群多样性较差等缺点,对樽海鞘群算法改进。通过添加衰减因子,灵活的控制搜索范围大小,加快了算法收敛速度,通过引入动态学习策略,加强了跟随者对于寻优的协助作用,实现了算法达到更高的收敛精度,改善了樽海鞘群算法的优化性能。改进的樽海鞘群算法在收敛精度和收敛速度方面都有很大提升。
本发明的目的是通过以下技术方案实现的:
一种改进樽海鞘群算法的方法,其特征在于,包括:
步骤一,设定种群规模N、迭代次数Iteration、维数D以及上下边界ub和lb;
步骤二,初始化樽海鞘群个体的位置,并计算每个个体的适应值,将最小适应值个体的位置确定为食物源位置FoodPosition;
步骤三,将樽海鞘群分为领导者和跟随者两类,第一个樽海鞘个体为领导者,其余樽海鞘为跟随者;
步骤四,生成衰减因子A(l),领导者根据领导者的位置更新公式移动;
步骤五,生成随机数k,跟随者根据跟随者的位置更新公式移动;
步骤六,计算更新位置后的个体适应值,若小于当前食物源位置FoodPosition的适应值,则更新FoodPosition;
步骤七,判断当前迭代次数是否达到预设迭代次数,若已达到,结束迭代,否则返回执行步骤四;
步骤八,输出FoodPosition位置及适应值。
进一步的,步骤四具体包括:
根据改进的领导者位置更新公式对领导者位置进行更新,添加衰减因子的领导者位置更新公式为:
其中,表示第一个樽海鞘个体(领导者)在第j维的位置,FoodPositionj表示在第j维食物源的位置,ubj和lbj分别表示在第j维搜索空间上下界,系数c1定义如下:
其中,l表示当前迭代次数,L表示总迭代次数。参数c2和c3取[0,1]的随机数,它们分别决定了在j维位置更新的移动步长,以及前进还是后退;
衰减因子是一个非线性递减函数。
进一步的,步骤五具体包括:比较跟随者与前一个跟随者的适应值,根据改进的跟随者位置更新公式对跟随者位置进行更新,引入动态学习的跟随者位置更新公式为
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天津大学,未经天津大学许可,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/201911098042.2/2.html,转载请声明来源钻瓜专利网。