一种基于单形邻域与多角色进化策略的智能优化算法制造技术

本发明专利技术涉及一种基于单形邻域与多角色进化策略的智能优化算法，属于新型智能全局优化算法计算领域。首先以均匀分布概率在搜索空间随机初始化粒子位置；然后每个粒子利用单形邻域搜索算子搜索新位置，并利用测试函数，评价每个粒子新位置的优劣，再根据粒子新位置的优劣，确定每个粒子的三个角色位置，最后记录本迭代周期中最优粒子及其最优位置，结束本迭代搜索周期，启动下一个迭代搜索周期，直至粒子收敛到全局最优点位置。本发明专利技术提出多角色态进化搜索策略与单形邻域搜索机制，融合群体协作搜索与竞争选择进化策略，是一种有效的智能全局优化算法。

An intelligent optimization algorithm based on single neighborhood and multi role evolution strategy

The invention relates to an intelligent optimization algorithm based on the simplex neighborhood and multi role evolution strategy, which belongs to the computational field of a novel intelligent global optimization algorithm. First of all to uniform probability distribution in the search space of random initialization particle position; then each particle using simplex neighborhood search algorithm for searching new position, and the test function, the evaluation of each particle according to the new position of the advantages and disadvantages of the new particle location advantages and disadvantages, to determine the three position of each particle, the last recorded the optimal particle and its optimal position in the in the end of this iteration, iterative search cycle, start the next iteration cycle until the particles converge to the global optimal point position. The invention proposes a multi role evolutionary search strategy and a single neighborhood search mechanism, and integrates the swarm cooperative search and the competitive selection evolution strategy, and is an effective intelligent global optimization algorithm.

【技术实现步骤摘要】
一种基于单形邻域与多角色进化策略的智能优化算法
本专利技术涉及一种基于单形邻域与多角色进化策略的智能优化算法，实现在给定搜索空间搜索到全局最优点位置，属于新型智能全局优化算法计算领域。
技术介绍
近年来，为了解决大量实际应用问题中的全局优化问题，许多全局优化算法被提出，其中，基于群体智能的智能优化算法越来越成为优化算法研究的热点。如遗传算法，免疫算法，粒子群算法，差分进化算法，蜂群算法，焰火算法等。但这些算法也存在一些缺点，如搜索容易陷入局部最优点，无法收敛到全局最优点；算法收敛到全局最优点的性能依赖算法的控制参数；算法收敛到全局最优点的稳定性不好，方差偏大。同时，针对这些算法的改进算法大都是通过增加算法复杂度，引入更多控制参数实现更好的算法性能。
技术实现思路
本专利技术要解决的技术问题是提供一种基于单形邻域与多角色进化策略的智能优化算法，用于复杂目标函数的全局优化。针对智能优化算法的这些问题，以多角色态实现粒子搜索多样性，算法结构简单的群体智能优化算法。本专利技术的技术方案是：一种基于单形邻域与多角色进化策略的智能优化算法，首先以均匀分布概率在搜索空间随机初始化粒子位置；然后每个粒子本文档来自技高网...

【技术保护点】
一种基于单形邻域与多角色进化策略的智能优化算法，其特征在于：首先以均匀分布概率在搜索空间随机初始化粒子位置；然后每个粒子利用单形邻域搜索算子搜索新位置，并利用测试函数，评价每个粒子新位置的优劣，再根据粒子新位置的优劣，确定每个粒子的三个角色位置，最后记录本迭代周期中最优粒子及其最优位置，结束本迭代搜索周期，启动下一个迭代搜索周期，直至粒子收敛到全局最优点位置。

【技术特征摘要】
1.一种基于单形邻域与多角色进化策略的智能优化算法，其特征在于：首先以均匀分布概率在搜索空间随机初始化粒子位置；然后每个粒子利用单形邻域搜索算子搜索新位置，并利用测试函数，评价每个粒子新位置的优劣，再根据粒子新位置的优劣，确定每个粒子的三个角色位置，最后记录本迭代周期中最优粒子及其最优位置，结束本迭代搜索周期，启动下一个迭代搜索周期，直至粒子收敛到全局最优点位置。2.根据权利要求1所述的基于单形邻域与多角色进化策略的智能优化算法，其特征在于：所述搜索空间粒子的初始化采用均匀分布概率函数产生。3.根据权利要求1所述的基于单形邻域与多角色进化策略的智能优化算法，其特征在于：所述搜索空间中粒子单形邻域搜索方式最终确定新粒子的方式如下：在搜索空间Rn中，以均匀分布方式随机选取两个维度p，q，构建搜索子空间R2，在此搜索子空间，群体中每个粒子单形邻域搜索算子，定义如下：其中，是粒子i在第t+1次迭代中，在搜索子空间R2上搜索到的四个新位置；是粒子i在第t次迭代中，在搜索子空间R2上搜索到的原位置；是粒子j在第t次迭代中，在搜索子空间R2上搜索到的原位置；是群中最优粒子o在第t次迭代中，在搜索子空间R2上搜索到的最优位置；是以位置为中心，位置的对称位置；是以位置为中心，位置的对称位置，r11,r12,r21,r22,r31,r32,r41和r42是8个在区间[0,1]上以均匀分布方式产生的随机数。4.根据权利要求1所述的基于单形邻域与多角色进化策略的智能优化算法，其特征在于：所述群体中每个粒子具有三个角色态，分别为：中心角色态，开采角色态，勘探角色态，分别定义如下：中心角色态，定义为每个粒子搜索到的最优位置；开采角色态，定义为每个粒子搜索到的最新位置；勘探角色态，定义为每个粒子以均匀分布在搜索空间随机定位的位置。5.根据权利要求1所述的基于单形邻域与多角色进化策略的智能优化算法，其特征在于：所述在搜索空间搜索全局最优点的具体步骤如下：S1、将m个粒子基于均匀分布在搜索空间进行初始化随机定位；其中，是第i个粒子在Rn搜索子空间第k个维度上的位置，和xk分别是搜索子空间在第k个维度上的上界和下界，rand(0,1)是在区间[0,1]上均匀分布的随机数；S2、对于群体中的每个粒子i，在搜索空间Rn中，以均匀分布方式随机选取两个维度p，q，构建搜索子空间R2，在此搜索子空间，每个粒子利用单形邻域搜索算子和多角色态搜索策略搜索新位置，定义如下：

【专利技术属性】
技术研发人员：全海燕，张艾怡，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南,53