[发明专利]一种基于Levy搜索的混沌人工蜂群算法

摘要

本发明涉及一种基于Levy搜索的混沌人工蜂群算法。该算法引入混沌理论和Lévy飞行理论，实现了一种新的人工蜂群算法；即通过混沌理论对解进行初始化，加快算法收敛速度；在雇佣蜂寻优阶段加入全局最优解引导策略，提高算法全局搜素能力；在跟随蜂阶段加入Lévy飞行策略，跳出局部最优解，从而使得本发明算法平衡了全局和局部寻优能力，提高了寻优解的精度。

主权项

1.一种基于Levy搜索的混沌人工蜂群算法，其特征在于，包括如下步骤：步骤S1、初始化种群数量2SN，雇佣蜂和跟随蜂各SN，最大迭代次数itermax，跟随蜂的最大搜索次数limit，利用混沌理论初始化人工蜂群算法的解；步骤S2、利用Logistic映射式(1)产生混沌序列，利用公式(2)进行候选解初始化：其中，μ∈[0,4]为随机数，当μ＝4时序列处于完全混沌状态，i＝1，…，SN，SN为蜜源数量；j＝1，2，…，D，D为个体维度；k表示迭代次数；为第j维下界，为第j维上界；步骤S3、雇佣蜂搜索阶段采用全局最优引导的策略寻找候选解，公式如(3)所示：其中，为第t次迭代中第i个候选解的第j维，为第k个候选解的第j维(k≠iφ)φ为[‑1,1]的随机数，为当前最优解的第j维，α为[0,1]的随机数，β＝0.5,iter为当前迭代次数，itermax为最大迭代次数；步骤S4、跟随蜂阶段结合杜鹃算法中的飞行策略进行邻域搜索，公式如(4)所示；飞行是一种马尔科夫随机过程，移动步长服从分布，公式如(5)所示：其中，为第t次迭代中第i个候选解的第j维，为当前最优解的第j维，r为(0,1)的随机数，s为飞行策略的步长；L(s)～|s|‑1‑β,0＜β≤2  (5)其中，s为随机步长，如公式(6)所示：s＝u/|v|1/β  (6)u和v满足正态分布，u～N(0,σu2)，v～N(0,σv2)：Γ为标准Gamma函数，其中步骤S5、根据目标函数值和适应度计算公式计算候选解的适应度值，公式如(8)所示，跟随蜂根据贪婪选择算法，公式如(9)所示，若更新的候选解适应度值高于原来的候选解，则取代原来的候选解；否则保留原来的候选解；其中，pi为蜜源选择的概率，fit(xi)为蜜源xi的适应度值；步骤S6、若搜索到的候选解在达到最大搜索次数limit还未更新，则相应位置的雇佣蜂转变为侦查蜂，利用公式(2)产生新的候选解，采用公式(3)在候选解邻域附近继续搜索；步骤S7、达到算法终止条件时，输出寻找到的最优解，结束算法。