一种多尺度量子谐振子多模优化并行系统及方法技术方案

本发明专利技术涉及计算智能领域，涉及一种多尺度量子谐振子优化并行系统及方法。在本发明专利技术中，由三个嵌套的迭代过程构成：尺度迭代，量子谐振子迭代和能级迭代。本发明专利技术每次需要比对的采样点数较少，并且容易迭代充分，结果准确。本发明专利技术根据多尺度量子谐振子多模优化方法的并行性，提出多尺度量子谐振子多模优化并行方法，使新方法可以并行地运行在集群上。通过并行方法，有效地加快了运算速度。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及计算智能领域，涉及一种多尺度量子谐振子优化并行系统及方法。在本专利技术中，由三个嵌套的迭代过程构成：尺度迭代，量子谐振子迭代和能级迭代。本专利技术每次需要比对的采样点数较少，并且容易迭代充分，结果准确。本专利技术根据多尺度量子谐振子多模优化方法的并行性，提出多尺度量子谐振子多模优化并行方法，使新方法可以并行地运行在集群上。通过并行方法，有效地加快了运算速度。【专利说明】-种多尺度量子谐振子多模优化并行系统及方法
本专利技术设及计算智能领域，具体而言，设及一种多尺度量子谐振子优化并行系统 及方法，该系统及方法可广泛应用于工业、经济、科学等领域。
技术介绍
多尺度量子谐振子优化方法是利用量子谐振子波函数的概率解释构造出来的一 种解决单峰全局优化问题的计算智能方法。 现有的多尺度量子谐振子优化方法在进行迭代时是进行的全局比对和更新，每次 迭代需要完成kXm个采样点的全局比对。运种全局比对方法每次需要比对的采样点数较 多、不能实现高维优化，并且容易由于迭代不充分造成过早收敛。
技术实现思路
本专利技术的目的在于提供一种多尺度量子谐振子优化并行系统，W解决采用点数较 多、不能实现高维优化，迭代不充分容易早收敛的问题，并且量子谐振子迭代(QH0迭代)和 多尺度迭代(M迭代)两个互相嵌套的迭代过程并行化设计及运行，运行效率较快，系统响应 快。 在本专利技术的实施例中提供了一种多尺度量子谐振子优化并行系统，所述系统包 括： 采样模块，用于在设定的采样范围内，控制随机生成kXm个采样位置，根据目标函 数值从中选取最优的k个初始采样位置Xi，V7 = I，...，/、·，当前尺度为曰； 采样位置分组模块，用于将k个采样位置分为C组，每组采样位置数为kj， V/二1，...，C，将采样位置分别发送到C个计算节点；[000引迭代模块，用于在计算节点j，计算当前k个采样位置的标准差化J，将kj个采样位置 中的每个Xi作为采样中屯、，分别按照高斯分布.~生成m个采样位置，如果产生了更 优解，则更新当前采样位置Xi，完成一次迭代;计算当前kj个采样位置的标准差o'kj;判断模块，用于判断当前尺度的k个采样位置的标准差|化厂(/^| >0成立，贝峭巧专 到迭代模块，如果不成立，则跳到尺度缩小迭代模块；尺度缩小迭代模块，用于判断〇>〇min是否成立，如果成立，使所述〇s缩小，跳转迭 代模块，如果不成立，则跳到全局最优解输出模块； 全局最优解输出模块，用于将C个计算节点的采样位置发回主节点，统计比对k个 采样位置，输出所有全局最优解， 所述迭代模块、判断模块W及尺度缩小迭代模块为Ξ个并行执行的模块。 进一步地，所述尺度缩小迭代模块具体为尺度减半模块，所述尺度减半模块将所 述曰S减小一倍。 进一步地，所述系统还包括： 初始化模块，用于接收群体参数k、采样参数m、采样范围S、初始尺度及最小尺 度〇min的输入设置。 进一步地，所述系统还包括： 自动控制模块，用于利用输出所有全局最优解进行工业自动控制。 本专利技术另一目的在于提供一种多尺度量子谐振子优化并行方法，包括W下步骤： 步骤B:在设定的采样范围内，控制随机生成kXm个采样位置，根据目标函数值从 中选取最优的k个初始采样位置Xi，V/= U.乂当前尺度为曰； 步骤C:将k个采样位置分为C组，每组采样位置数为kj，V7 :=!，...，(/'，将采样位置分别 发送到C个计算节点，并行地执行步骤D-F; 步骤D:在计算节点j，计算当前k个采样位置的标准差(?，将kj个采样位置中的每 个Xi作为采样中屯、，分别按照高斯分布?义,，生成m个采样位置，如果产生了更优解， 则更新当前采样位置沿，完成一次迭代;计算当前kj个采样位置的标准差o'kj; 步骤E:判断当前尺度的k个采样位置的标准差|〇w-〇'w| >0成立，则返回步骤D， 如果不成立，则跳到步骤F; 步骤F:判断σ >〇min是否成立，如果成立，使所述日S缩小，返回步骤D，如果不成立， 则跳到步骤G; 步骤G:将C个计算节点的采样位置发回主节点，统计比对k个采样位置，输出所有 全局最优解。 进一步地，在所述步骤F中，使所述Os减小一倍。 进一步地，在所述B步骤之前还包括：步骤A:接收群体参数k、采样参数m、采样范围S、初始尺度及最小尺度Omin的输 入设置。进一步地，所述方法还包括： 步骤J:利用输出所有全局最优解进行工业自动控制。 在本专利技术中，由Ξ个嵌套的迭代过程构成:Μ迭代(尺度迭代），地0迭代(量子谐振 子迭代)和能级迭代。本专利技术每次需要比对的采样点数较少，并且容易迭代充分，结果准确。 本专利技术根据多尺度量子谐振子多模优化方法的并行性，提出多尺度量子谐振子多模优化并 行方法(MQH0A-PMM0)，使新方法可W并行地运行在集群上。通过并行方法，有效地加快了运 算速度。【附图说明】 图1示出了本专利技术提供的多尺度量子谐振子优化系统的结构； 图2示出了本专利技术提供的多尺度量子谐振子优化方法流程。【具体实施方式】 下面通过具体的实施例子并结合附图对本专利技术做进一步的详细描述。 现有的多尺度量子谐振子优化方法在进行迭代时是进行的全局比对和更新，每次 迭代需要完成kXm个采样点的全局比对。运种全局比对方法每次需要比对的采样点数较 多、不能实现高维优化，并且容易由于迭代不充分造成过早收敛。 针对W上问题，本专利技术人提出一种多尺度量子谐振子优化方法(MQHOA)，该方法包 括W下步骤： 步骤A :接收k、Omin W及Os设定输入。 步骤B:在函数定义域内，控制随机生成k个高斯采样点XI，并计算XI的标准差01/ ; 所述σι/保存上一次k个高斯采样点XI的标准差，所述1含i <k。[003引步骤C:对于k个中屯、位置XI分别控制按高斯分布N(Xi，0s)生成1个随机采样位置 X/，判断采样位置X/对应的目标函数值f(x/ )是否小于原采样位置XI对应的目标函数值， 如果是，则将XI更新为新的采样位置坐标。 步骤D:计算更新后的当前k个高斯采样点XI的标准差化，计算两次迭代标准差的差 的绝对值A化=I 〇k-〇k' I，并使〇k'=化。 步骤E:判断I日广化/ |>〇s是否成立，若成立，则返回步骤C进行重复迭代，直到|化- 化? <〇s，则执行步骤F。 步骤F:将当前k个高斯采样点XI中使目标函数值最大的采样点的坐标替换为 使目标函数值最小的采样点xbBst。 步骤G:坐标替换后，如果此时k个高斯采样点的标准差〇k>〇s，则返回步骤C进行重 复迭代，直到Ok含Os，算法在尺度Os下的迭代过程结束，转入执行步骤H。 步骤H:降低尺度，使Os减小一倍。 步骤I:如果〇s大于Omin，则返回步骤C，如果〇s < Omin，则输出当前k个高斯采样点Xi 中使目标函数取得最小值的坐标xbBst和对应的函数值f (xbBst)。 所述k为高斯采样的个数，Omin为计算精度，〇s为尺度参数。 由于该MQH0A方法的结构为串行化结构，仅能在一台机器上串行运行，无法将程序 部署到集群上进行并行计算，其计算效率较低，结果输出较慢。 因此，本专利技术要在此(M卵0A方法)基础上，根据多尺度量子谐振子多模优化方本文档来自技高网...

【技术保护点】
一种多尺度量子谐振子优化并行系统，其特征在于，所述并行系统包括：采样模块，用于在设定的采样范围内，控制随机生成k×m个采样位置，根据目标函数值从中选取最优的k个初始采样位置Xi,当前尺度为σ；采样位置分组模块，用于将k个采样位置分为C组，每组采样位置数为kj,将采样位置分别发送到C个计算节点；迭代模块，用于在计算节点j，计算当前k个采样位置的标准差σkj，将kj个采样位置中的每个Xi作为采样中心，分别按照高斯分布生成m个采样位置，如果产生了更优解，则更新当前采样位置Xi，完成一次迭代；计算当前kj个采样位置的标准差σ'kj；判断模块，用于判断当前尺度的k个采样位置的标准差成立，则跳转到迭代模块，如果不成立，则跳到尺度缩小迭代模块；尺度缩小迭代模块，用于判断σ＞σmin是否成立，如果成立，使所述σs缩小，跳转迭代模块，如果不成立，则跳到全局最优解输出模块；全局最优解输出模块，用于将C个计算节点的采样位置发回主节点，统计比对k个采样位置，输出所有全局最优解，所述迭代模块、判断模块以及尺度缩小迭代模块为三个并行执行的模块。

【技术特征摘要】

【专利技术属性】
技术研发人员：王鹏，谢千河，
申请(专利权)人：王鹏，
类型：发明
国别省市：四川;51