[发明专利]一种飞蛾扑火算法的优化方法、系统、终端以及存储介质

权利要求书

1.一种飞蛾扑火算法的优化方法，其特征在于，包括：

对飞蛾与火焰群体进行初始化；

根据所述飞蛾的原始匹配火焰以及所述火焰群体中目标函数值最优的至少两个火焰计算出与所述飞蛾相匹配的阶级火焰；

当所述飞蛾不存在原始匹配火焰时，利用飞蛾寿命机制将所述飞蛾淘汰，并根据重新匹配后的火焰以及所述火焰群体中目标函数值最优的至少两个火焰计算出与所述飞蛾相匹配的阶级火焰；

当得到唯一存活火焰时，将所述唯一存活火焰作为飞蛾扑火算法的最终优化结果。

2.根据权利要求1所述的飞蛾扑火算法的优化方法，其特征在于，所述对飞蛾与火焰群体进行初始化包括：

设定初始化向量的生成数量；

判断被优化问题是否拥有先验知识，如果拥有先验知识，利用所述先验知识指导生成初始化向量；如果没有先验知识，通过完全随机的方式生成初始化向量；

采用密度感知机制对生成的初始化向量进行向上聚类，得到设定数量的初始化向量。

3.根据权利要求2所述的飞蛾扑火算法的优化方法，其特征在于，所述对飞蛾与火焰群体进行初始化后还包括：

利用目标函数评估每个飞蛾的健康值，并根据每个飞蛾的健康值更新火焰群体。

4.根据权利要求1至3任一项所述的飞蛾扑火算法的优化方法，其特征在于，所述根据所述飞蛾的原始匹配火焰以及所述火焰群体中目标函数值最优的至少两个火焰计算出与所述飞蛾相匹配的阶级火焰具体为：

判断所述火焰群体中的火焰数量是否小于设定数量，如果小于设定数量，则获取所有火焰；否则，则获取目标函数值最优的至少两个火焰；

更新动态影响因子上限ω_ub，并根据所述动态影响因子上限更新动态影响因子；其中ω_ub是一个随着算法训练进行从0线性增长到1的影响因子上限，ω是随机生成的介于0与ω_ub之间的随机数；

基于获取的火焰，采用贪心阶级火焰生成算法计算出所有可计算的阶级火焰，并利用贪心算法从所有阶级火焰中选取目标函数值最优的阶级火焰作为飞蛾所对应的阶级火焰。

5.根据权利要求4所述的飞蛾扑火算法的优化方法，其特征在于，所述贪心阶级火焰生成算法具体为：

上式中，Fi表示飞蛾扑火算法中第i个飞蛾Mi所对应的原始匹配火焰，F1表示目标函数值最优的火焰，F2、F3、F4分别表示目标函数值第二好、第三好、第四好的火焰；Ti1、Ti2、Ti3、Ti4分别为生成的阶级火焰，其中Ti1为飞蛾Mi的原始匹配火焰Fi与火焰F1、F2、F3的加权平均；α和β为权重系数，用于表示F2和F3在阶级火焰生成过程中的影响力，α＞β；ω表示动态影响因子；Ti为利用贪心算法从Ti1、Ti2、Ti3、Ti4中选取的目标函数值最优的阶级火焰，作为飞蛾Mi所对应的阶级火焰。

6.根据权利要求2所述的飞蛾扑火算法的优化方法，其特征在于，所述利用飞蛾寿命机制将所述飞蛾淘汰，并根据重新匹配后的火焰以及所述火焰群体中目标函数值最优的至少两个火焰计算出与所述飞蛾相匹配的阶级火焰具体为：

为每个飞蛾随机生成淘汰系数；

当飞蛾Mi的原始匹配火焰已被淘汰时，判断飞蛾Mi的淘汰系数是否达到设定阈值，如果是，重新为飞蛾Mi匹配一个随机初始化生成的火焰；否则，随机选取一个存活火焰Fj作为飞蛾Mi的匹配火焰；

调用贪心阶级火焰生成算法，利用重新匹配后的火焰以及目标函数值最优的至少两个火焰生成与飞蛾Mi相匹配的阶级火焰。

7.根据权利要求5或6所述的飞蛾扑火算法的优化方法，其特征在于，所述贪心阶级火焰生成算法为：

上式中，对于淘汰系数未达到设定阈值的飞蛾Mi，random_target表示随机选取的存活火焰Fj；对于淘汰系数达到设定阈值的飞蛾Mi，random_target表示一个随机初始化生成的火焰。