【技术实现步骤摘要】
函数优化方法、装置及系统
本专利技术涉及自动化决策
，尤其涉及函数优化方法、装置及系统。
技术介绍
在众多函数优化算法中，有很多源于大自然生物过程的启迪，例如细菌趋药性函数优化算法来源于细菌趋向引诱剂的运动行为。细菌趋药性函数优化算法按目标函数数量和决策空间中的细菌数量可以分为：采用单个细菌对单个目标函数进行函数优化的细菌趋药性算法，采用细菌群体对单个目标函数进行函数优化的细菌群体趋药性算法，和，采用细菌群体对多个目标函数进行函数优化的多目标细菌群体趋药性算法。细菌群体的寻优速度大于单个细菌的寻优速度。细菌趋药性函数优化算法借鉴于细菌趋向引诱剂的运动行为，其大概执行过程为：在决策空间中设置单个决策变量或多个决策变量(相当于单个细菌或细菌群体)、单目标函数或多目标函数(相当于一处或多处引诱剂)，并设置决策变量的位置调整规则。在一次迭代中基于位置调整规则调整决策变量的移动方向和移动步长(也即决策变量的新位置与原位置于移动方向上的距离变化量)，基于移动方向和移动步长可以确定新位置；若新位置对应的目标函...
【技术保护点】
1.一种函数优化方法，其特征在于，包括：/n确定与实际应用场景对应的目标函数和决策变量；/n基于与所述实际应用场景对应的目标函数和决策变量，构建相匹配的细菌趋药性函数优化算法的系统模型；/n对所述细菌趋药性函数优化算法的系统模型执行函数优化操作，获得使所述目标函数最优化的决策变量最优解；其中所述函数优化操作中决策变量的移动步长随着迭代次数的增加呈减小趋势；/n输出所述决策变量最优解，以用于所述实际应用场景。/n
【技术特征摘要】
1.一种函数优化方法，其特征在于，包括：
确定与实际应用场景对应的目标函数和决策变量；
基于与所述实际应用场景对应的目标函数和决策变量，构建相匹配的细菌趋药性函数优化算法的系统模型；
对所述细菌趋药性函数优化算法的系统模型执行函数优化操作，获得使所述目标函数最优化的决策变量最优解；其中所述函数优化操作中决策变量的移动步长随着迭代次数的增加呈减小趋势；
输出所述决策变量最优解，以用于所述实际应用场景。
2.如权利要求1所述的方法，其特征在于，所述函数优化操作中决策变量的移动步长随着迭代次数的增加呈减小趋势包括：
随着迭代次数的增加、减小移动步长；或，
在决策变量具有恒定速度的情况下，随着迭代次数的增加、减小持续时间。
3.如权利要求2所述的方法，其特征在于，所述随着迭代次数的增加、减小移动步长包括：
所述函数优化操作中决策变量的移动步长随着迭代次数的增加而线性递减；或，
所述函数优化操作中决策变量的移动步长随着迭代次数的增加而指数递减；或，
所述函数优化操作中决策变量的移动步长随着迭代次数的增加而随机递减。
4.如权利要求2所述的方法，其特征在于，所述随着迭代次数的增加、减小持续时间包括：
所述函数优化操作中决策变量的持续时间随着迭代次数的增加而线性递减；或，
所述函数优化操作中决策变量的持续时间随着迭代次数的增加而指数递减；或，
所述函数优化操作中决策变量的持续时间随着迭代次数的增加而随机递减。
5.如权利要求1所述的方法，其特征在于，所述基于与所述实际应用场景对应的目标函数和决策变量，构建相匹配的细菌趋药性函数优化算法的系统模型，包括：
在所述实际应用场景对应单个目标函数和单个目标函数的决策变量情况下，构建细菌趋药性算法的系统模型或细菌群体趋药性算法的系统模型；
在所述实际应用场景对应多个目标函数和多个目标函数的决策变量情况下，构建多目标细菌群体趋药性算法的系统模型。
6.如权利要求5所述的方法，其特征在于，在所述构建多目标细菌群体趋药性算法的系统模型的情况下，所述对所述细菌趋药性函数优化算法的系统模型执行函数优化操作，获得使所述目标函数最优化的决策变量最优解，包括：
针对决策空间中每个决策变量执行个体寻优：按多目标细菌群体趋药性算法执行个体寻优获得决策变量的新位置，若新位置对应的函数值优于原位置对应的函数值，则将决策变量移动至新位置，否则维持原位置；其中，细菌趋药性算法执行个体寻优中，决策变量的移动步长随着迭代次数的增加呈减小趋势；
在针对决策空间中每个决策变量执行个体寻优后，确定满足群体...
【专利技术属性】
技术研发人员：夏革非，庞博，卢志刚，袁绍军，乞胜静，蔡瑶，于宝鑫，李文龙，张华东，李佳骥，张磊，张岩，张衡阳，黄伟光，
申请(专利权)人：国网冀北电力有限公司承德供电公司，燕山大学，
类型：发明
国别省市：河北;13
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。