[发明专利]一种有效初始化人工蜂群算法种群的佳点集构造方法

权利要求书

1.一种有效初始化人工蜂群算法种群的佳点集构造方法，其特征是，包括以下步骤：

S1：初始化控制参数：问题维度D、种群规模NP或蜜源个数SN、最大循环次数MCN、每个蜜源尝试次数(trial₁＝trial₂＝...trial_SN＝0)、限制次数limit、cycle＝1；

基于佳点集理论构造人工蜂群算法中的初始种群，使G_s中的s与人工蜂群算法的问题维度D相等，G_s中的n个点集与SN个蜜源相对应；

G_s是一个s维的单位立方体，令r∈G_s，则在G_s空间中作n个点的佳点集为：

P_n(i)＝{({r₁i},{r₂i},...,{r_si}),1≤i≤n}；

其中，{r_ki}代表取r_ki的小数部分，(1≤k≤s)以保证每个点的各维参数值都能够在单位立方体内；

将佳点集映射到问题的可行域中，即x_ik定义为：

x_ik＝x_mink+P_SN(i)_k(x_maxk-x_mink)；

其中，x_maxk和x_mink分别是x_ik的最大值和最小值；

S2：评价初始种群：重复初始化SN个蜜源，并评价每个蜜源质量；

S3：引领蜂阶段：产生引领蜂发现的蜜源，评价其质量，并用贪婪选择机制搜索蜜源；计算观察蜂选择引领蜂分享的各个蜜源的概率p(X_i)；

S4：观察蜂阶段：产生观察蜂按概率p(X_i)选择的蜜源，评价其质量，并用贪婪选择机制搜索蜜源；

S5：侦查蜂阶段：用侦查蜂随机找到的蜜源取代被放弃的蜜源；

S6：保存最优蜜源：保存当前找到的最优蜜源。

2.根据权利要求1所述的一种有效初始化人工蜂群算法种群的佳点集构造方法，其特征是，在步骤S1中，r是佳点的提法具体为：r_k＝|2cos(2πk/p)；其中，p是满足p≥2s+3的最小素数，cosx是周期函数，1≤k≤s。

3.根据权利要求2所述的一种有效初始化人工蜂群算法种群的佳点集构造方法，其特征是，在步骤S2中：

若求解单目标优化问题，其适应度函数定义为：其中，f(X_i)是蜜源X_i的目标函数值，fit(X_i)是X_i的适应度函数值；

若求解多目标优化问题，用Pareto支配概念计算蜜源的适应度函数值，如果X_i＞X_j,(i,j＝1,2,...,SN)，即X_i优于X_j，则蜜源X_i在种群中可支配蜜源数量dom(X_j)加1，X_i的适应度函数值定义为：

4.根据权利要求3所述的一种有效初始化人工蜂群算法种群的佳点集构造方法，其特征是，在步骤S3、S4中，贪婪选择机制搜索蜜源的具体步骤为：根据Pareto支配准则，判断领域搜索产生的新蜜源和当前蜜源之间的支配关系；若新蜜源支配当前蜜源，则保存新蜜源，同时，trial＝0，否则放弃新蜜源，保留当前蜜源，trial值加1。

5.根据权利要求4所述的一种有效初始化人工蜂群算法种群的佳点集构造方法，其特征是，在步骤S3、S4中，Pareto最优解的保存和维护具体步骤为：利用外部档案保存已找到的Pareto最优解；

每一轮搜索完成后，对外部档案进行更新，将找到的Pareto最优解加入外部档案，同时，删除外部档案中的劣解；当档案规模超出设定值，计算外部档案中每个Pareto解的拥挤距离，然后删除拥挤距离最小的解。

6.根据权利要求5所述的一种有效初始化人工蜂群算法种群的佳点集构造方法，其特征是，在步骤S5中，蜜源的多样性维护具体步骤为：从外部档案中随机选择非劣解作为全局信息指导引领蜂和观察蜂进行邻域搜索和更新蜜源；

当引领蜂发现或观察蜂选择某个蜜源X_i时，它们搜索附件蜜源V_i,V_i是由X_i改变某个参数v_ij获得的，即v_ij≠x_ij，V_i的其余参数与X_i相同，v_ij按下式产生：v_ij＝x_ij+φ_ij(x_ij-x_kj)；

其中，x_k为在外部档案中随机选择的非劣解。