[发明专利]一种具有内在并行能力的多尺度量子谐振子优化方法

摘要

本发明属于函数优化技术领域。为了解决现有的函数优化算法并行效率低，最优解位置容易丢失等技术问题，本发明提供一种具有内在并行能力的多尺度量子谐振子优化方法，包括步骤S101.设定σmin的值，设定σs的值；在f(x)的定义域内随机抽取K个第一随机数；S102.将σs和第一随机数按照正态分布生成K个第二随机数；S103.将K个第一随机数代入f(x)得到K个第一函数值；将K个第二随机数代入f(x)得到K个第二函数值；S104.对于任意xi，和xi’，若f(xi’)<f(xi)，则将xi用xi'替换，如有替换则返回执行步骤S102，如无替换则进行步骤S105；S105.将Xworst用Xmean替换，执行步骤S106；S106.若σk大于σs，则返回步骤S102；否则将σs的值缩小后，执行步骤S107；S107.若σs大于σmin，则返回步骤S102，否则将f(xbest)及xbest作为结果输出。

主权项

一种具有内在并行能力的多尺度量子谐振子优化方法，其特征在于，包括步骤：S101.设定最小标准差的值σmin，设定标准差σs的值；在目标函数f(x)的定义域[min，max]内随机抽取K个第一随机数，即x1，x2，x3，…，xi，…，xk；S102.将标准差σs和K个第一随机数分别代入正态分布公式N(x,σ2)=12πσexp(-(x-μ)22σ2)]]>按照所述正态分布公式在定义域[min，max]内分别生成相应的K个第二随机数，即x1’，x2’，x3’，…,xi’，…，xk’；S103.将所述K个第一随机数分别代入目标函数f(x)得到K个第一函数值，即f(x1)，f(x2)，f(x3)，…，f(xi)，…，f(xk)；将所述K个第二随机数分别代入目标函数f(x)得到K个第二函数值，即f(x1’)，f(x2')，f(x3')，…，f(xi’)，…，f(xk’)；S104.对于任意xi，和xi’，若f(xi’)<f(xi)，则将xi的值用xi'的值替换，如有替换发生则返回执行步骤S102，如无替换发生则进行步骤S105；S105.将K个第一函数值中的最大值f(xworst)的自变量Xworst的值，用当前K个Xi的平均值Xmean进行替换，执行步骤S106；S106.若K个高斯采样中心位置Xi的标准差σk大于σs，则返回执行步骤S102；否则将标准差σs的值缩小后，执行步骤S107；S107.若标准差的值σs大于σmin，则返回执行步骤S102，否则将K个第一函数值中的最小值f(xbest)及其自变量xbest作为结果输出，得到最优解xbest和f(xbest)；其中，K为正整数；i为正整数，1≤i≤K；max为定义域的最大值；min为定义域的最小值。