[发明专利]基于动态步长和高斯扰动的绯鲵鲣优化方法

权利要求书

1.一种面向基于动态步长和高斯扰动的绯鲵鲣优化方法，其特征在于：

包括如下步骤：

S1：在传统绯鲵鲣算法对鱼群进行聚类的过程中加入最优簇数，提升了算法寻优效果；

S2：在传统绯鲵鲣算法选择追击鱼的过程中设计了筛选机制，降低算法寻优时间；

S3：将经过筛选机制的个体进行分类，设计了一种动态步长公式，通过对不同追击鱼设置合适的移动步长，从而减少寻优时间，提升收敛速度；

S4：在传统绯鲵鲣算法寻优过程中加入高斯扰动策略，增加种群多样性，使算法能够跳出局最优；

其中所述步骤S1加入的最优簇数如下：

绯鲵鲣优化算法中采用K-均值算法进行分簇，该算法通过给定的k值来确定最优簇数，经测试发现，k值的大小会影响绯鲵鲣优化算法的效果，因此加入间隔统计量，间隔统计量的定义方式如下：

Gap_n(k)＝E_n(log(W_k))-log(W_k)

其中m为个体数量，n是样本数，k为最优聚类数，D_r为所有聚类内个体间的距离平方总和，W_K为所有聚类平均离差程度之和，log(W_K)是对W_K求对数，E_n(log(W_K))是对log(W_K)使用蒙特卡洛模拟产生的数学期望，x_i、x_j是簇c_r内的个体，n_r是簇c_r内的样本个数，最终找到使间隔统计量能够取得最大值的k的值就是所求的最优簇数；

其中所述步骤S2加入的筛选机制如下：

在绯鲵鲣优化算法中，追击鱼充当着引导整个鱼群移动的重要角色，但原算法对追击鱼的选择有一定的随机性，会造成计算能力的浪费且延长寻优时间，因此所述的一种面向基于动态步长和高斯扰动的绯鲵鲣优化方法通过模糊控制系统给每个追击鱼分出等级，在设计模糊控制器时，选择两输入一输出，先求出全体追击鱼间的平均距离l₀，将该追击鱼在l₀内的追击鱼个数和该追击鱼在l₀内追击鱼间的平均距离作为模糊系统的输入参数，输出值为追击鱼个体属性值，通过重心法解模糊化获取追击鱼属性的具体数值u；

其中所述步骤S3设计的动态步长公式如下：

绯鲵鲣优化算法在莱维飞行模型外加入α，将α设置为步长因子，设置为1，当步长因子固定不变时，不利于算法的收敛和局部探索，因此所述的一种面向基于动态步长和高斯扰动的绯鲵鲣优化方法依据得出的追击鱼属性的具体数值，设计出一种对步长因子α的调节公式，首先将求出的u取平均值，然后将属性值u大于平均值的追击鱼归为优组，小于平均值的追击鱼则为良组，当追击鱼p属于优组，则p对应的步长因子调节公式为：

其中k为最优追击鱼个数，a为该追击鱼在l₀内的追击鱼个数，α_max为1，α_min为0.01，当追击鱼p属于良组，则p对应的步长因子为：

α＝1

其中所述步骤S4中高斯扰动策略如下：

当聚集的追击鱼逼近的是局部最优时，会使群体多样性降低，最终陷入局部最优，因此，所述的一种面向基于动态步长和高斯扰动的绯鲵鲣优化方法引入高斯扰动策略，将优组内追击鱼按属性值u从大到小排列，取前一半追击鱼为一组，剩下一半追击鱼为一组，数值较大一组位置更新方式不变，对数值较小一组使用高斯扰动进行位置更新，进而增加种群多样性，使算法能够跳出局最优

式中G(Φ_l^t)表示经过高斯扰动后的的追击鱼位置，G(σ)表示为符合正态分布的随机数，经过高斯扰动后，若该追击鱼适应度值变高，则该追击鱼位置移动，若适应度值变低，则该追击鱼位置不移动。