The invention discloses a clustering intelligent algorithm for non-discrete space multi-mode optimization, which includes reconstructing selection probability function and strategy, establishing ant colony classification strategy, pheromone updating strategy, transforming pheromone volatilization function, adding local variable incremental linear decline function, introducing control point information entropy evaluation method and global catastrophe strategy. The algorithm of the invention has the characteristics of convenient use, strong versatility and strong robustness. Because the mapping method of built-in solution space is constructed, only the range of values of given variables is needed in practical application, and no discrete variable space and solution space need to be constructed.
【技术实现步骤摘要】
一种非离散空间多模态优化的群集智能算法
本专利技术涉及一种非离散空间多模态优化的群集智能算法。
技术介绍
群集智能理论及其算法是人工生命利用生物技术研究计算问题方向的创新性计算理论,自诞生以来发展十分迅速,众多学者进行了大量的理论研究,并提出了许多性能优异的改进算法。然而,由于其发展时间不长,仍然存在多个方面的缺陷,如蚁群算法只适合离散问题求解,优化中出现的早熟现象、多样性下降等,收敛性分析不够深入等。人工蚁群算法于20世纪90年代初依据自然界蚂蚁群体觅食机制而提出的一种仿生群集智能算法,算法最初被称为蚂蚁系统。自然社会中的蚂蚁群体具备在蚁巢与食物源之间探求最短或近似最短路径的能力,是自然界中存在的自组织行为的显著表现,也正是这种能力为解决NP-Hard问题TSP提供了灵感,大部分人工蚁群算法最早主要是用来求解TSP问题的。到上世纪90年代中期,这种算法逐渐引起了许多研究者的注意,并对该算法作了各种改进或将其应用于更为广泛的领域。后来,M.Dorigo等人将人工蚁群算法进一步发展成一种通用的优化技术――蚁群优化(ACO),并将所有符合ACO框架的蚂蚁算法统称为蚁群优化算法,从而为ACO的理论研究和算法设计提供了一个统一的框架。蚁群算法是群集智能算法中最重要的一个研究分支和热点。国际上具有代表性的蚁群算法有:ASe、ANT-Q、ACS、MMAS、ASrank、BWAS以及AdaptiveAS等。然而,这些算法主要应用于离散问题的优化,用于非离散空间问题优化的蚁群算法研究较少。如何将传统的蚁群算法优化领域从组合优化等离散问题扩展到非线性、多维连续函数问题并充分 ...
【技术保护点】
1.一种非离散空间多模态优化的群集智能算法,其特征是,包括重构选择概率函数及策略、建立蚁群分级策略、信息素更新策略、变换信息素挥发函数、添加局部变量增量线性递减函数、引入控制点信息熵评价方法和全局灾变策略。
【技术特征摘要】
1.一种非离散空间多模态优化的群集智能算法,其特征是,包括重构选择概率函数及策略、建立蚁群分级策略、信息素更新策略、变换信息素挥发函数、添加局部变量增量线性递减函数、引入控制点信息熵评价方法和全局灾变策略。2.根据权利要求1所述的一种非离散空间多模态优化的群集智能算法,其特征是,所述选择概率函数及策略的重构方法为:若将循环次数记为t,初始时刻以τ0初始化各控制点的信息素浓度,依等概率选择n组初始解赋予n只用于全局搜索的蚂蚁,控制点处的选择概率按下式定义其中为解空间第j维上第i控制点对同一维上其他控制点的吸引强度,a为启发式因子;蚂蚁下一步的选择策略为其中q0,q1是取自均匀分布[0,1]的随机数。3.根据权利要求1所述的一种非离散空间多模态优化的群集智能算法,其特征是,所述蚁群分级策略的建立方法为:在每次循环迭代结束后,将n只蚂蚁按所适应值由小到大顺序排序(f1(X)≤f2(X)≤,…,≤fn(X)),选择前k只蚂蚁按某一权重函数更新m维对应控制点处的信息素浓度,使得信息素浓度更新与其适应值成反比,权重函数定义为其中ω0为预先设置的固定常数,同时,还需要计算目前为止n蚂蚁中具有全局最优解的最优蚂蚁gbant所包含控制点处的信息素更新权重。4.根据权利要求1所述的一种非离散空间多模态优化的群集智能算法,其特征是,所述信息素更新策略的方法为:n只蚂蚁不包含前k只蚂蚁和最优蚂蚁解对应的信息素更新公式为k只蚂蚁以及最优蚂蚁解包含的控制点处信息素更新公式为未被蚂蚁访问过的控制点处信息素更...
【专利技术属性】
技术研发人员:马军建,
申请(专利权)人:国电南瑞科技股份有限公司,南瑞集团有限公司,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。