[发明专利]基于多维云分布天牛群优化算法及在RFID应用系统中的应用

权利要求书

1.一种基于多维云分布天牛群优化算法，其特征在于，包括以下步骤:

S1、构建天牛群优化算法求解多目标优化问题的流程；

S2、利用云模型描述天牛群分布信息和算法运行历史信息，形成天牛群的映射种群；

S3、比较天牛群与映射种群的个体，采用最高排名法更得出个体最优与全局最优。

2.根据权利要求1所述的基于多维云分布天牛群优化算法，其特征在于，所述天牛群集合表示为X＝(X₁,X₂,...,X_n),其中个体X_i＝(x_i1,x_i2,...,x_iD)，x_iD为n个天牛组成的群落中，其第i个天牛在D维度的向量。

3.根据权利要求2所述的基于多维云分布天牛群优化算法，其特征在于，在迭代过程中第i只天牛的位置、速度以及位置增量为：

其中和分别表示为第t次迭代过程中第i只天牛的位置、速度以及位置增量；k为在[0,1]上取值的权重；P_i^t和为第t次迭代的天牛群中个体最优和全局最优位置；ω和c_i(i＝1,2)为惯性权重和学习因子，r_i(i＝1,2)为[0,1]上的随机数；δ^t为第t次迭代过程中的步长，d为触须长度；sign(.)为符号函数，f(.)为适应度值函数。

4.根据权利要求1所述的基于多维云分布天牛群优化算法，其特征在于，步骤S2包括以下具体步骤：

S21、用逆向云发生器提取天牛群X＝(X₁,X₂,...,X_n)每个维度的数字特征Ex_k、En_k、He_k(k＝1,2,...,dim)；

S22、用以上数字特征由正向云发生器生成等量云滴，组成映射种群X′，X′＝(X₁′,X₂′,...,X_n′)。

5.根据权利要求4所述的基于多维云分布天牛群优化算法，其特征在于，所述正向云发生器的算法实现如下：

输入：模型所需的数字特征向量(Ex,En,He)以及云滴数m；

步骤1：计算以En为期望值，He²为方差的正态随机数y_i＝NORM(En,He²)；

步骤2：计算以Ex为期望值，为方差的正态随机数

步骤3：计算得到独立云滴drop(x_i,μ_i)；

步骤4：重复以上操作，直至产生m个云滴；

输出：带有确定度μ的云滴群drop(x_i,μ_i)，其中x为云滴，i＝1,2,...m。

6.根据权利要求4所述的基于多维云分布天牛群优化算法，其特征在于，所述逆向云发生器的算法实现如下：

输入：云滴群{x₁,x₂,...,x_m},其中m为云滴数；

步骤1：计算数据样本的均值一阶样本绝对中心距，

样本方差

步骤2：计算并得到期望

步骤3：计算并得到熵

步骤4：计算并得到超熵

输出：云模型的数字特征Ex,En,He。

7.根据权利要求1所述的基于多维云分布天牛群优化算法，其特征在于，所述步骤S3采用最高排名法计算出某个解x_i的最优解，从而得到全局最优解。