【技术实现步骤摘要】
基于参考方向的代理差分演化算法
本专利技术属于智能优化
，具体涉及一种基于参考方向的代理差分演化算法。
技术介绍
随着社会的发展，工程中的优化问题已经变的越来越复杂，用智能优化算法解决工程中出现的复杂优化问题是智能控制领域中的研究热点。目前生物启发计算已经广泛地应用于人工智能中，许多研究者通过研究生物演化过程，模拟自然进化机制设计以相应的优化算法。差分进化算法是求解连续优化问题的最经典的演化算法之一。差分进化算法的性能依赖于三个因素，突变因子、交叉因子和突变策略。大量的实验结果表明，选择合适的控制参数对差分进化算法的性能起着重要的作用。此外，不同的进化策略表现的性能不同。有的进化策略具有较强的开发能力，有的进化策略具有较强的探索能力。经典差分演化算法在解决复杂优化问题中存在求解精度不高和早熟收敛的问题。
技术实现思路
为克服上述现有技术的不足，本专利技术的目的是提出基于参考方向的代理差分演化算法，解决经典差分演化算法在解决复杂优化问题中所出现的求解精度不高和早熟收敛的问题，提高了经典差分算法的效率和鲁棒性。为实现上述目的，本专利技术采用的技术方案是：基于参考方向...
【技术保护点】
1.一种基于参考方向的代理差分演化算法，其特征在于，包括以下步骤：首先，演化过程分为两个阶段，每个阶段采用不同的演化策略；第一阶段的主要任务是全局探索和宏观局部开发；第二阶段的主要任务是微观局部开发；其次，采用全局代理模型，对整个搜索空间进行建模，将种群引导到全局最优解可能存在的区域，每个子种群与参考方向相关联，子种群在参考方向的引导下进行快速局部收敛；最后，设计产生突变因子和交叉因子的机制，以促进算法的有效探索与开发。
【技术特征摘要】
1.一种基于参考方向的代理差分演化算法，其特征在于，包括以下步骤：首先，演化过程分为两个阶段，每个阶段采用不同的演化策略；第一阶段的主要任务是全局探索和宏观局部开发；第二阶段的主要任务是微观局部开发；其次，采用全局代理模型，对整个搜索空间进行建模，将种群引导到全局最优解可能存在的区域，每个子种群与参考方向相关联，子种群在参考方向的引导下进行快速局部收敛；最后，设计产生突变因子和交叉因子的机制，以促进算法的有效探索与开发。2.一种基于参考方向的代理差分演化算法，其特征在于，包括以下步骤：步骤1.1，初始化种群及相关参数；步骤1.2，用真实函数和代理模型评价所有个体的适应度；步骤1.3，初始化交叉因子CR；步骤1.4，设置状态；步骤2.1，计算在种群中要选取的适应度高的个体的比率prate；产生变异因子Fi.G，i＝1...N；步骤2.2，如果当前状态State为1，则进行全局探索和局部宏观开发；步骤2.3，如果当前状态State不为1，则进行局部微观开发；步骤2.4，对于每一个个体，如果子代比父代的适应度高，则保存子代，并把父代归档；否则保留父代；步骤2.5，更新档案和当前种群；步骤2.6，更新代理模型；步骤2.7，如果更新的个体规模小于给定的阈值σ，则用代理模型更新最差的个体；步骤2.8，如果档案中个体的规模超出指定规模，则随机删除多余的个体；步骤2.9，如果演化成功个体的交叉因子数目超过了种群规模，则随机删除多余的交叉因子；步骤2.10，如果在第G代没有个体演化成功，则重新产生交叉因子，并将状态Stage设置为2；步骤2.11，如果在第G代只有部分个体演化成功，则重新产生交叉因子；步骤3，如果满足演化终止条件，演化终止条件是当前函数评价次数FES超过最大函数评价次数MaxFES，MaxFES＝D×10000，D是求解问题的维数，则停止演化并输出全局最优解；否则转到步骤2.1继续进行演化。3.根据权利要求2所述的一种基于参考方向的代理差分演化算法，其特征在于，步骤1.3所述的初始化交叉因子CR包括以下步骤：首先计算在种群中要选取的适应度高的个体的比率prate；接着，选择种群(POp)中100×prate％个适应度高的个体作为pbest；最后产生交叉因子CR。4.根据权利要求2所述的一种基于参考方向的代理差分演化算法，其特征在于，步骤2.1所述的变异因子Fi，G按照以下公式产生：Exi，G＝mean(NORM(Δfi，G...
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。