【技术实现步骤摘要】
一种快速寻优的智能优化算法
本专利技术涉及智能优化算法
，更具体的，涉及一种快速寻优的智能优化算法。
技术介绍
智能优化算法是一种具有全局优化性能、通用性强且适合于并行处理的算法。大多数智能优化算法受仿生学原理的启发，在解决NP-hard问题时具有不错的效果。其中较为经典的智能优化算法有遗传算法、粒子群算法、模拟退火算法等。但是这些算法在寻优过程中，往往有较多的非必要运算，导致寻优效率比较低，并且运行时间长，精确率低。现有技术中，如2015年11月25日公开的中国专利，基于种群聚集程度的粒子群算法，公开号为CN105095595A，根据寻优过程的进展和粒子聚集程度，对不同粒子采取不同进化策略，以降低陷入局部极值点的可能性，提高算法的全局搜索能力，有效避免了早熟收敛，但没有简化非必要运算，导致寻优效率比较低。
技术实现思路
本专利技术为克服目前智能优化算法的寻优效率比较低的技术缺陷，提供一种快速寻优的智能优化算法。为解决上述技术问题，本专利技术的技术方案如下：一种快速寻...
【技术保护点】
1.一种快速寻优的智能优化算法，其特征在于，包括以下步骤：/nS1：设定初始位置随机的种群的个数m以及待优化参数的个数n，并建立m行n列的待优化种群矩阵；/nS2：确定目标函数和目标值，将待优化种群矩阵代入目标函数中得到各个种群的输出值，并分别计算各个种群的输出值与目标值之间的误差值；/nS3：按照误差值从小到大的顺序对各个种群标记序号，并根据序号调整各个种群在待优化种群矩阵中的位置，从而得到有序种群矩阵；/nS4：选取有序种群矩阵中的前2i行种群，形成2i行n列的较优种群矩阵；其中，i为选取参数，
【技术特征摘要】
1.一种快速寻优的智能优化算法，其特征在于，包括以下步骤：
S1：设定初始位置随机的种群的个数m以及待优化参数的个数n，并建立m行n列的待优化种群矩阵；
S2：确定目标函数和目标值，将待优化种群矩阵代入目标函数中得到各个种群的输出值，并分别计算各个种群的输出值与目标值之间的误差值；
S3：按照误差值从小到大的顺序对各个种群标记序号，并根据序号调整各个种群在待优化种群矩阵中的位置，从而得到有序种群矩阵；
S4：选取有序种群矩阵中的前2i行种群，形成2i行n列的较优种群矩阵；其中，i为选取参数，
S5：将较优种群矩阵中每两个序号相邻的种群组成一组，且每个种群只在一组中出现，分别在各组中选出一个新种群，从而得到i个新种群；并建立新种群矩阵，将i个新种群记录到新种群矩阵中；
S6：将误差值最小的种群向远离误差值第二小的种群的方向移动若干距离，得到第i+1个新种群，并将第i+1个新种群记录到新种群矩阵中；
S7：设定选取范围，以有序种群矩阵中误差值最小的种群为中心，得到j个在选取范围内的种群，并将j个种群作为新种群记录到新种群矩阵中；其中，j≤i-1；
S8：全局随机选取m-(i+j+1)个种群作为新种群并记录到新种群矩阵中，从而得到m行n列的新种群矩阵；
S9：将新种群矩阵代入目标函数中得到各个新种群的输出值，并分别计算各个新种群的输出值与目标值之间的误差值；
S10：判断是否达到终止条件；
若达到，则输出误差值最小的新种群作为最优值，完成优化计算；
若未达到，则将新种群矩阵作为待优化种群矩阵，并返回步骤S3进行迭代优化。
2.根据权利要求1所述的一种快速寻优的智能优化算法，其特征在于，在步骤S1中，根据以下公式建立待优化种群矩阵a”：
a”＝rand(m,n)；
其中，rand(m,n)表示建立m行n列的-1到1之间任意数的随机种群矩阵。
3.根据权利要求1所述的一种快速寻优的智能优化算法，其特征在于，在步骤S2中，还包括以下步骤：
形成误差值矩阵a'，计算公式为：
a'＝error(F(a”))；
其中，F()为目标函数，a”为待优化种群矩阵，error()为计算输出值与目标值之间的误差值。
4.根据权利要求3所述的一种快速寻优的智能优化算法，其特征在于，在步骤S3中，有序种群矩阵a＝sort(a”,a')；
其中，sort(a”,a')表示将误差值矩阵a'中的误差值按从小到大的顺序进行排列，并将待优化种群矩阵a”中的种群按误差值从小到大的顺序进行调整，输出...
【专利技术属性】
技术研发人员：边莉，车向前，贾宝柱，何辉，何万涛，郭延艳，
申请(专利权)人：广东海洋大学，
类型：发明
国别省市：广东;44
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。