一种基于人工蜂群算法解决SEVM模型问题的方法，包括步骤一：建立模型和步骤二：人工蜂群算法的算法流程；步骤三：随机模拟的随机期望值估计算法求解随机期望值函数流程，最后，给出人工蜂群算法和随机模拟相结合求解SEVM模型问题的具体步骤和典型仿真实例的实验数据对比。本发明专利技术为SEVM模型问题的求解提供一个比经典的遗传算法更有效的求解方法，它具有的局部搜素和全局搜索并进的搜索策略使得该算法具有了很强的全局收敛、寻优能力，求解速度快，求解质量高等特点，填补了人工蜂群算法在随机规划问题中应用研究的空白，具有一定的实用价值；同时它为其它不确定规划问题的高效求解提供了思路。
A method to solve the problem of SEVM model based on artificial bee colony algorithm
【技术实现步骤摘要】
一种基于人工蜂群算法解决SEVM模型问题的方法
本专利技术涉及随机规划
，特别涉及一种基于人工蜂群算法解决SEVM模型问题的方法。
技术介绍
随机规划已经在最优控制、电力调度、物流管理、信号与图像处理等应用领域展现了强大的生命力，然而在该类问题的求解时由于随机参数的注入，使得这类问题的求解算法自清华大学刘宝碇教授提出用遗传算法求解以来未取得重大进展。因遗传算法自身所固有的一些不足之处例如，控制变量较多、收敛缓慢、遗传操作过程复杂、局部搜索能力差以及计算量大等等，更高效的SEVM模型问题的求解算法依然是广大研究者们的关注点。
技术实现思路
为了克服上述现有技术的不足，本专利技术的目的在于提供一种基于人工蜂群算法解决SEVM模型问题的方法，为SEVM问题的求解提供一个比经典的遗传算法更有效的求解方法，它具有的局部搜索和全局搜索并进的搜索策略使得该算法具有了很强的全局收敛、寻优能力，再加之该算法需要设置的参数不多，迭代规程中每次的计算量较小，使得其搜索速度和收敛速度都比较快，具有求解速度快，求解质量高等特点。填补了人工蜂群算法在随机规划问题中应用研究的空白。为了实现上述目的，本专利技术采用的技术方案是：一种基于人工蜂群算法解决SEVM模型问题的方法，包括以下步骤；步骤一：建立模型：SEVM单目标模型可描述为以下形式：这里：ξ，x分别代表随机向量和决策向量，gj(x，ξ)表示随机约束函数，f(x，ξ)刻画的是随机目标函数，期望值算子用E来进行表征，该模型表示了在随机期望值约束下使目标事件成立的随机机会函数最优；决策者在给定了部分优先结构与管理目标之后，可以极小化与此目标的负偏差或正偏差，得到了SEVM模型的目标规划模型：这里，pj代表了优先系数，表示了每个目标的相对重要程度，且对于有pj＞＞pj+1；系统约束函数用gj表示；目标i低于目标值的偏差用表示；目标i高于目标值的偏差用表示；目标约束的数目用m表示；系统约束的数目用p表示；优先级的数目用1表示；目标i的函数值用bi表示；第i个目标的第j个优先级的正、负偏差权重系数分别通过uij和vij来表示；步骤二：人工蜂群算法寻优的基本流程：设求解问题的维数为D，蜜源的位置代表了问题的一个潜在解，蜜源的个数为SN，在ABC算法中，优化问题的求解过程就是在D维空间搜索最优解，设蜜源i在第n次迭代时的位置表示为xi＝[xi1，xi2，…xiD]，蜜源i的初始位置(潜在解)依据下式在搜索空间随机产生：式中，j为D维解向量的某个分量；是第j维的上界和下界；采蜜蜂依据如下式(2)在当前位置邻域进行搜索新的蜜源：式中，k≠i，表示在蜜源中随机选择一个不等于i的蜜源；若新蜜源的适应度优于时，则使用贪婪选择策略保留较好解，采蜜蜂们完成了(2)的运算后，返回交流区共享蜜源信息，观察蜂按照采蜜蜂分享的蜜源信息依据下式(3)的值选择一个蜜源：式中，SN表示解的个数，fiti表示第i个解的适应度值；以求最小化的优化问题为例，解的适应度值依据下式(4)计算：式中，fi表示第i个解的函数值；当所有的采蜜蜂和观察蜂都搜索完了整个搜素空间时，若蜜源的适应值经过number次在给定的阈值(蜜源花蜜量所经过的有限次搜索)limit仍然没有得到更好的蜜源时，表明这个解陷入了局部最优，那么该蜜源将被放弃，与此同时，与该蜜源所对应的采蜜蜂就变成侦察蜂，侦察蜂将通过下式(5)随机地产生一个新的潜在解；式中，是第j维的上界和下界。综上可知，ABC算法的关键在于以下这三个部分：(1)采蜜蜂搜索蜜源；(2)跟随蜂依据采蜜蜂所提供的花蜜信息，以一定的概率去选择蜜源；(3)当某个蜜源被放弃后，则生成侦察蜂，并随机产生一个新的蜜源。步骤三：随机模拟的随机期望值估计算法求解随机期望值函数流程：常规的解析法很难计算含有随机变量的期望值函数，而通过随机模拟技术可容易的求解随机期望值；设实值函数为f：Rn→R，ξ代表了概率空间(Ω，A，Pr)上的n维随机向量，依据随机模拟计算：E[f(ξ)]。所述的随机模拟的随机期望值估计算法的基本流程：第1步：令L＝0；第2步：依据概率测度Pr，从非空集合Ω中产生样本ω；第3步：L←L+f(ξ(ω))第4步：第2步至第3步重复执行N次；第5步：E[f(ξ)]＝L/N。步骤四：所述的人工蜂群算法和随机模拟相结合求解SEVM模型问题的具体步骤：第1步：D维空间上对NP个蜜源xi(i＝1，2…NP)进行初始化：采蜜蜂的数目和跟随蜂的数目各占蜜源数量的一半即NP/2，最大迭代次数maxcycle，蜜源维持代数阈值limit，每一维的上、下界，利用式(1)随机生成NP个蜜源并利用随机期望值估计算法计算E[gj(x，ξ)]检验解的可行性之后再作为初始蜜源，计算每个蜜源的适应值即利用随机模拟的期望值估计算法计算随机期望函数值即E[f(x，ξ)]，花蜜量(适应度值)，对采蜜蜂、观察蜂进行初始化，最优蜜源进行初始化；第2步：为每一个蜜源分配一个采蜜蜂，该采蜜蜂按照式(2)来更新蜜源的信息，利用随机模拟期望值估计算法计算期望函数值即E[f(x，ξ)]，然后计算适应度值即蜜源的花蜜量。对新蜜源进行评价：若新蜜源的适应度优于则使用贪婪选择策略保留当前的较好解，否则保留第3步：利用式(3)计算采蜜蜂找到蜜源被跟随蜂跟随的概率，跟随蜂根据该概率的大小选择蜜源；第4步：跟随蜂采用和采蜜蜂相同的方式进行蜜源搜索，即用随机模拟期望值估计算法计算期望函数值即E[f(x，ξ)]，计算适应度值即蜜源的花蜜量，根据贪婪选择策略保留当前最优的蜜源；第5步：检测各蜜源是否满足被放弃的条件，即检测各蜜源的持续搜索记录number的值是否超过阈值limit，若超过，则用式(5)随机生成一个新的蜜源(要用随机期望值估计算法计算E[gj(x，ξ)]检验解的可行性)来代替原来的蜜源，利用随机模拟期望值估计算法计算随机期望函数值即E[f(x，ξ)]，适应度值，对应的采蜜蜂变为侦察蜂，根据贪婪选择策略保留当前最优的蜜源；第6步：判断是否满足给定的最大迭代次数maxcycle或达到给定的精度要求，如果满足条件，则跳转到第7步，否则跳转到第2步；第7步：结束算法并输出最终的全局最优解和最优值。本专利技术的有益效果：本专利技术具有控制变量较少、收敛快、迭代操作过程简单、局部和全局搜索并进，搜索能力强的特点。本专利技术在含有随机因素的城市或农业用水的水资源优化配置、船舶网络或无线传感器网络的路由选择、微电网储能系统容量或风电场内储能的优化配置、船舶航向智能优化控制、无人机船舰任务控制、物流配送的最优方案、公路工程的多目标均衡优化等等优化领域的问题都可以实现高效求解。附图说明图1为实例1优化过程抽样图。具体实施方式本文档来自技高网...
【技术保护点】
1.一种基于人工蜂群算法解决SEVM模型问题的方法，其特征在于，包括以下步骤；/n步骤一：建立模型：/nSEVM单目标模型可描述为以下形式：/n
【技术特征摘要】
1.一种基于人工蜂群算法解决SEVM模型问题的方法，其特征在于，包括以下步骤；
步骤一：建立模型：
SEVM单目标模型可描述为以下形式：
这里：ξ，x分别代表随机向量和决策向量，gj(x，ξ)表示随机约束函数，f(x，ξ)刻画的是随机目标函数，期望值算子用E来进行表征，该模型表示了在随机期望值约束下使目标事件成立的随机机会函数最优；
决策者在给定了部分优先结构与管理目标之后，可以极小化与此目标的负偏差或正偏差，得到了SEVM模型的目标规划模型：
这里，pj代表了优先系数，表示了每个目标的相对重要程度，且对于有pj＞＞pj+1；系统约束函数用gj表示；目标i低于目标值的偏差用表示；目标i高于目标值的偏差用表示；目标约束的数目用m表示；系统约束的数目用p表示；优先级的数目用1表示；目标i的函数值用bi表示；第i个目标的第j个优先级的正、负偏差权重系数分别通过uij和vij来表示；
步骤二：人工蜂群算法寻优的基本流程：
设求解问题的维数为D，蜜源的位置代表了问题的一个潜在解，蜜源的个数为SN，在ABC算法中，优化问题的求解过程就是在D维空间搜索最优解，设蜜源i在第n次迭代时的位置表示为xi＝[xi1，xi2，…xiD]，蜜源i的初始位置(潜在解)依据下式在搜索空间随机产生：
式中，j为D维解向量的某个分量；是第j维的上界和下界；
采蜜蜂依据如下式(2)在当前位置邻域进行搜索新的蜜源：
式中，k≠i，表示在蜜源中随机选择一个不等于i的蜜源；若新蜜源的适应度优于时，则使用贪婪选择策略保留较好解，采蜜蜂们完成了(2)的运算后，返回交流区共享蜜源信息，观察蜂按照采蜜蜂分享的蜜源信息依据下式(3)的值选择一个蜜源：
式中，SN表示解的个数，fiti表示第i个解的适应度值；
以求最小化的优化问题为例，解的适应度值依据下式(4)计算：
式中，fi表示第i个解的函数值；
当所有的采蜜蜂和观察蜂都搜索完了整个搜素空间时，若蜜源的适应值经过number次在给定的阈值(蜜源花蜜量所经过的有限次搜索)limit仍然没有得到更好的蜜源时，表明这个解陷入了局部最优，那么该蜜源将被放弃，与此同时，与该蜜源所对应的采蜜蜂就变成侦察蜂，侦察蜂将通过下式(5)随机地产生一个新的潜在解；
式中，是第j维的上界和下界。
步骤三：随机模拟的随机期望值估计算法求解随机期望值函数流程：
常规的解析法很难计算含有随机变量的期望值函数，而通过随机模拟技术可...
【专利技术属性】
技术研发人员：肖宁，
申请(专利权)人：陕西职业技术学院，
类型：发明
国别省市：陕西;61
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。