[发明专利]一种多策略多元宇宙群的智能优化算法

权利要求书

1.一种多策略多元宇宙群的智能优化算法，其特征在于，包括如下步骤：

步骤S1：定初始随机的宇宙(待优化问题的多个解)的个数为m及宇宙物质数量(待优化问题的参数)的个数为n，并建立m行n列的待优化宇宙种群矩阵U并根据初始化的宇宙种群矩阵U初始化对应的宇宙种群矩阵E；

步骤S2：确定目标函数以及解的适应度函数，计算待优化宇宙种群U的适应度f(U_i)以及归一化之后适应度norm_f(U_i)，并根据适应度f(U_i)，找出种群全局最优宇宙个体global_best以及种群中每个宇宙个体历史最优宇宙best_i，其中，f为适应度函数，U_i为宇宙种群中第i个宇宙；

步骤S3：根据global_best和best_i按一定规则更新E宇宙种群矩阵；

步骤S4：根据宇宙个体U_i初始化新的宇宙个体矩阵O_i并根据global_best和best_i按一定策略对其进行更新；

步骤S5：使用步骤S4中已更新的宇宙个体O_i更新对应E宇宙种群中个体E_i并记录E_i未发生改变迭代次数，然后判断当前迭代E宇宙个体是否超过规定次数迭代阈值未更新(若超过，则很有可能陷入局部最优解)，若是，则按一定策略筛选覆盖更新，否则，不做更改；

步骤S6：判断当前E宇宙种群中个体是否全部更新完成；

若全部更新完成，则进入步骤S7；

若还未全部更新完成，则回到步骤S4继续进行个体迭代更新E宇宙种群；

步骤S7：对上面更新完的所有E宇宙种群，计算适应度并排序，用于更新待优化宇宙种群U；

步骤S8：对排序E宇宙种群，使用轮盘赌机制，选出宇宙个体E_index，并使E_index宇宙个体以及待优化宇宙种群U历史信息按一定策略更新宇宙个体U_i；

步骤S9：判断U宇宙种群中个体是否全部更新完成，若全部更新完成则进入下一步，否则返回步骤S8继续进行宇宙个体迭代；

步骤S10：判断是否达到终止条件；

若达到，则输出适应度最优的宇宙种群作为最优值，完成优化计算；

若未达到，则将新种群矩阵作为待优化种群矩阵，并返回步骤S2继续进行迭代优化。

2.根据权利要求1所述的多策略多元宇宙群的智能优化算法，其特征在于，在步骤S1中使用Python的Numpy包根据以下代码初始化待优化宇宙种群矩阵U：

universes＝numpy.zeros((universe_count，universe_dim))

universes[：，i]＝numpy.random.uniform(0，1，m)*(up_list[i]-low_list[i])+low_list[i]

其中，universe_count代表宇宙种群数量，universe_dim代表待优化问题的维度。

3.根据权利要求1所述的多策略多元宇宙群的智能优化算法，其特征在于，在步骤S2中有序宇宙群sort_u＝sort(U，F)：

其中，F代表每个宇宙个体适应度的m行1列的矩阵，sort(U，F)表示将适应度矩阵按从优到劣的顺序进行排列，并将待优化宇宙群矩阵U中的个体按适应度值从优到劣的顺序进行调整，输出调整后的矩阵作为有序宇宙种群矩阵sort_u，然后根据调整后的有序宇宙矩阵，选出global_best和best_i。

4.根据权利要求1所述的多策略多元宇宙群的智能优化算法，其特征在于，在步骤S3通过以下公式来更新宇宙矩阵E：

其中，c₁，r_1，d，c₂，r_2，d都是在[0，1]中均匀选择的随机数。