【技术实现步骤摘要】
一种群体智能优化算法青霉菌繁殖算法
本专利技术涉及智能优化算法领域，特别涉及一种新型的群体智能优化算法青霉菌繁殖算法。
技术介绍
自然启发式计算是一类元启发式算法，其灵感来源于一些自然现象，包括生物现象、物理现象、化学现象等等。它们被广泛应用于科学研究和工程领域中，以解决一些复杂的优化问题。在自然启发式计算中，群体智能是非常重要的一个分支，是指一个群体中的个体通过合作、竞争、学习等行为，在没有集中控制和全局模型的情况下能够搜索复杂优化问题的解。粒子群优化算法(PSO)经典的群体智能算法，其基本概念来源于鸟类觅食行为研究。PSO使用信息共享机制，使每个个体都能从彼此的经验中学习，从而促进整体发展。除此之外，蚁群优化算法(ACO)和人工蜂群算法(ABC)也是经典群智能算法的代表，分别受启发蚁群觅食行为和蜂群采蜜行为。群体智能算法在各个的领域都有广泛的应用。例如，在网络中，群体智能算法可以用于负载均衡、计算卸载、路由等具体问题。在公知的技术中，《Optimisingthepowerusingfirework-basedev...
【技术保护点】
1.一种群体智能优化算法青霉菌繁殖算法，其特征在于，包括步骤如下：/n步骤1：初始化青霉菌繁殖算法的参数，设定算法总迭代次数、每轮迭代中种群中的个体数量、待优化问题的维度、搜索空间的上下界、负反馈因子的初始值以及局部搜索孢子LES的最大占比和最小占比；/n步骤2：确定局部搜索孢子LES的数量，计算局部搜索孢子的适应度值，完成对孢子的局部搜索过程；/n步骤3：确定全局搜索孢子GES的数量，完成孢子的全局搜索过程；/n步骤4：对所有孢子所在位置的适应度值进行评估，具有最佳适应度值的位置会被保留用于下一轮迭代选定繁殖区；/n步骤5：通过负反馈过程，记录适应度值的变化来调节算法的L...
【技术特征摘要】
1.一种群体智能优化算法青霉菌繁殖算法，其特征在于，包括步骤如下：
步骤1：初始化青霉菌繁殖算法的参数，设定算法总迭代次数、每轮迭代中种群中的个体数量、待优化问题的维度、搜索空间的上下界、负反馈因子的初始值以及局部搜索孢子LES的最大占比和最小占比；
步骤2：确定局部搜索孢子LES的数量，计算局部搜索孢子的适应度值，完成对孢子的局部搜索过程；
步骤3：确定全局搜索孢子GES的数量，完成孢子的全局搜索过程；
步骤4：对所有孢子所在位置的适应度值进行评估，具有最佳适应度值的位置会被保留用于下一轮迭代选定繁殖区；
步骤5：通过负反馈过程，记录适应度值的变化来调节算法的LES和GES的分配。
2.按照权利要求1所述的一种群体智能优化算法青霉菌繁殖算法，其特征在于：步骤1中初始化青霉菌繁殖算法的参数,将算法总迭代次数设定为Titer，在每轮迭代中，种群中的个体数量设定为N，且待优化的问题的维度是M，搜索空间的上下界分别为UL、LL，负反馈因子FD的初始值为0；局部搜索孢子LES的最大占比和最小占比分别为0.9、0.4；在青霉菌繁殖算法的初始化过程，个体的各个维度的值均是介于上下界的随机数，共会产生N个孢子，其中具有最佳适应度值的个体位置会被保留作为下一轮迭代过程的基准。
3.按照权利要求1所述的一种群体智能优化算法青霉菌繁殖算法，其特征在于，步骤2中：
局部搜索孢子LES的数量NLES_t通过公式(1)，(2)，(3)来确定；t代表的是当前迭代次数，Rs(t)是第t次迭代中LES的传播半径；
LES在第t轮迭代中的传播半径RS(t)按照公式(4)进行计算
其中，δ和γ分别为贪婪因子和收缩因子，δ设置为1.1，γ设置为0.9；fspore(t)为t轮迭代的适应度值；当孢子的适应度值小于前一代时，表示找到了更优的解，此时分生孢子会有一种贪婪的行为，扩大繁殖区的搜索，而当孢子的适应度值大于等于前一代时...
【专利技术属性】
技术研发人员：赵亮，赵伟莨，林娜，拱长青，石峻岭，郦铸辉，
申请(专利权)人：沈阳航空航天大学，
类型：发明
国别省市：辽宁;21
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。