[发明专利]多尺度协同差分进化优化方法

摘要

本发明公开了一种多尺度协同差分进化优化方法，其先采用多种群机制的种群结构，利用每一子种群结合相应的变异策略来保证进化过程个体多样性.然后，通过种群间的协方差学习，为交叉操作建立一个适当旋转的坐标系统；同时，使用自适应控制参数来平衡种群的勘测与收敛能力.最后，在单峰函数、多峰函数、偏移函数和高维函数的25个基准测试函数上进行测试，并同其他先进的进化算法对比；实验结果表明所提算法相较于其他算法在求解全局优化问题上达到最优效果。

主权项

1.一种多尺度协同差分进化优化方法，其特征在于，包括以下步骤：步骤1、设置MCDE算法的参数，所述参数包括种群规模NP、个体维数D、进化最大迭代次数FES、当前迭代次数fes、进化代数Gen；步骤2、按公式(1)进行初始化，得到初始种群：其中，i＝1,2,…,NP,j＝1,2,…,D；NP表示种群个体的数量；D表示解的维数；步骤3、计算种群个体的适应值，记作fitness；步骤4、根据公式(2)将整体种群Pop分为三个子种群Pop1、Pop2、Pop3，Pop1种群规模比Pop2、Pop3大，可以表示为：其中，NPk表示第k个子种群的种群规模，σk表示第k个子种群的规模比例，那么规模比例关系：σ1＞σ2＝σ3且σk∈[0,1]；步骤5、选取“current‑to‑pbest/1”、“current‑to‑rand/1”、“rand/1”作为多尺度变异策略组，变异策略如公式(3)、(4)、(5)所示：current‑to‑pbest/1：current‑to‑rand/1：rand/1：其中，F为缩放因子，为全局最优个体，K∈[0,1]；步骤6、统计子种群经过每一次种群进化后保留下优良个体的总和bdi.即子种群的优良率bri可以表示为：计算每一代子种群的优良率bdi，在下一代进化初始化阶段根据优良率bdi重新为三个变异策略分配子种群；步骤7、通过子种群信息，计算子种群的协方差C，求协方差的特征值λ和特征向量矩阵R，通过基于特征协同系统对目标个体和变异个体进行更新操作：种群进行交叉和选择操作适应度更好的个体保留下来，并旋转回到原坐标系统：步骤8、计算试验个体的适应度值fitness_new，若fitness_new<fitness，试验个体替换当前目标个体；否则，保留当前目标个体；步骤9、将三个子种群重新合并为一个整体种群，并记录种群当前的最优个体；步骤10、判断是否满足终止条件fes>FES，若满足，则输出最优解，否则，返回步骤3。