[发明专利]一种狼群优化方法及应用该优化方法的狼群优化系统

权利要求书

1.一种狼群优化方法，其特征在于，包括以下步骤：

S1：在拥有N只狼的狼群中，初始化狼群位置，设置迭代终止条件；

S2：基于目标函数计算当前代每只狼的适应值，选取最小适应值对应的狼作为狼后；

S3：定义当前代每只狼的追逐能量值及计算每只狼的适应值对应的权重值；

S4：根据当前新尝试的狼的追逐能量值对该狼位置进行更新，判断更新后该狼的适应值是否小于狼后的适应值，若是，则更新狼后的位置及适应值，执行步骤S6；否则，执行步骤S5；

S5：基于Levy游走算法计算该狼的位置，判断该狼的适应值是否小于狼后的适应值，若是，则更新狼后的位置及适应值，执行步骤S6；否则，直接执行步骤S6；

S6：判断是否满足迭代终止条件，若是，则输出狼后的位置；否则，返回执行步骤S4。

2.根据权利要求1所述的一种狼群优化方法，其特征在于，在所述步骤S2中，所述目标函数根据具体优化问题进行确定，不同优化问题具有不同的目标函数。

3.根据权利要求1所述的一种狼群优化方法，其特征在于，所述步骤S3具体为：

S31：定义当前代的每只狼的追逐能量值C_i，具体表示为：

其中，rand是(0，1)的随机数，t为当前迭代数，T为最大迭代数；

S32：计算每只狼的适应值对应的权重值a_i，具体表示为：

其中，fit_i表示第i只狼的适应值，N表示狼群中狼的数目。

4.根据权利要求3所述的一种狼群优化方法，其特征在于，所述步骤S4具体为：

S41：判断当前新尝试的狼追逐能量值C_i是否大于1，若是，则对狼的位置进行更新，执行步骤S44；否则，执行步骤S42；位置更新方式具体为：

Wolf_i＝rand×(Ub-Lb)+a_i×C_i×D_i (3)

其中，Ub，Lb分别为搜索域的上限和下限，Wolf_i表示第i只狼的位置，而D_i表示第i只狼与狼后间的位置差向量，即：

D_i＝Xbest-Wolf_i (4)

其中，Xbest表示狼后的位置，即历代以来适应值最好的狼的位置；

S42：判断第i只狼离狼后的位置偏差率E_i是否大于0.5，若是，则对该狼的位置进行更新，执行步骤S44；否则，执行步骤S43；

其中，在狼群中，狼根据其相对狼后间距离的远近更新各自的位置，第i只狼离狼后的位置偏差率E_i具体表示为：

其中，表示第i只狼与狼后间位置差向量的第d个坐标，其中共有dim个坐标，dim为优化问题的维度值；Xbest^d表示狼后位置的第d个坐标；所述的对该狼的位置进行更新的计算过程具体为：

Wolf_i＝Xbest+a_i×C_i×mean_i (6)

其中，mean_i表示从第1只到第i只狼位置的平均值；第i只狼更新后的位置由狼后Xbest和第1只到第i只狼所更新的狼群平均位置信息确定；

S43：按照狼群共享的信息更新该狼的位置，具体为：

Wolf_i＝Xbest+rand×share_i (7)

其中，share_i具体表示为：

share_i＝w×mean_i+(1-w)×D_i (8)

share_i的值由mean_i和D_i共同决定，即式子(7)表示狼群内的信息共享，共享的是第1只到第i只狼所更新的狼群平均位置信息及第i只狼与狼后间的位置差值信息；w为第1只到第i只狼所更新的狼群平均位置信息占共享位置信息的权重，取(0,1)间的一个随机数；相应地，狼与狼后间的位置差值信息所占权重则为1-w；

S44：判断更新后该狼的适应值是否小于狼后的适应值，若是，则更新狼后的位置及适应值，执行步骤S6；否则，执行步骤S5。