一种数据群体优化方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种数据群体优化方法、装置、计算机设备和存储介质。所述方法包括：构建集成算法库，在对待优化问题进行优化时，分别采用优化算法对上一次迭代输出的待更新虚拟种群进行虚拟更新，得到当前迭代各个优化算法对应的虚拟种群，从各个优化算法对应的虚拟种群中选择精英个体，由精英个体组成精英群体，从精英群体中选择最佳精英个体，当最佳精英个体的适应度值比历史迭代中的最小适应度值小一个数量级以上时，将最佳精英个体所在的虚拟种群进行实体化，得到实体种群，当实体种群满足预先设置的迭代输出条件时，输出群体优化结果。采用本方法能够高效率地处理包含不同特性的优化问题集合。的优化问题集合。的优化问题集合。

【技术实现步骤摘要】
一种数据群体优化方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机
，特别是涉及一种数据群体优化方法、装置、计算机设备和存储介质。

技术介绍

[0002]在构建无线传感器网络时，当传感器节点的数量确定好后，如何在保证一定服务质量的前提下部署传感器节点，达到网络覆盖面积最大化，是无线传感器网络的基本问题之一。人们提出了许多优化技术来完成优化任务。元启发式算法作为近似方法中的一种，并不针对特定优化问题，是通用的算法。尽管一种元启发式算法可以应用于多种优化问题，但是对于特定的优化问题，其获得的解决方案并不一定是令人满意的。根据无免费午餐定理，理论上不存在一个算法在解决所有可能的优化问题方面优于其他算法。因此在实践中研究者们设计出了各种各样的元启发式算法来解决具有不同特征的各种优化问题。当面对包含多种优化问题的集合时，很难找到一种通用的元启发式算法来获得满意的解决方案。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种能够处理包含不同特性的优化问题集合的数据群体优化方法、装置、计算机设备和存储介质，以此更快地获得能够使网络覆盖范围最大的一组传感器节点位置集合。
[0004]一种数据群体优化方法，所述方法包括：
[0005]构建集成算法库；所述集成算法库中包括多个优化算法；
[0006]在对待优化问题进行优化时，分别采用所述优化算法对上一次迭代输出的待更新虚拟种群进行虚拟更新，得到当前迭代各个优化算法对应的虚拟种群；
[0007]从所述各个优化算法对应的虚拟种群中选择精英个体，由所述精英个体组成精英群体；
[0008]从所述精英群体中选择最佳精英个体，当所述最佳精英个体的适应度值比历史迭代中的最小适应度值小一个数量级以上时，将所述最佳精英个体所在的虚拟种群进行实体化，得到实体种群；
[0009]当所述实体种群满足预先设置的迭代输出条件时，输出群体优化结果。
[0010]在其中一个实施例中，所述方法还包括：
[0011]当所述最佳精英个体的适应度值比历史迭代中的最小适应度值小且不超过一个数量级时，将所述最佳精英个体加入其它虚拟种群并且替换所述其他虚拟种群中的一个个体，得到当前迭代输出的待更新虚拟种群。
[0012]在其中一个实施例中，所述方法还包括：当所述最佳精英个体的适应度值不比历史迭代中的最小适应度值小，保留所有虚拟种群，所述虚拟种群之间不进行信息交流，将所述虚拟种群直接作为当前迭代输出的待更新虚拟种群。
[0013]在其中一个实施例中，所述方法还包括：当所述最佳精英个体的适应度值比历史
迭代中的最小适应度值小且不超过一个数量级时，将所述最佳精英个体加入其它虚拟种群并且替换所述其他虚拟种群中的一个个体，得到当前迭代输出的待更新虚拟种群。
[0014]在其中一个实施例中，所述待优化问题为无线传感器网络覆盖优化问题；每一所述虚拟种群中的个体为传感器节点位置的集合；
[0015]所述从所述各个优化算法对应的虚拟种群中选择精英个体，包括：
[0016]计算所述各个优化算法对应的虚拟种群中所有个体的适应度值，选择各虚拟种群中最小适应度值所对应的个体作为精英个体；每一所述个体对应每一组传感器节点的位置集合；所述适应度值是根据个体对应的传感器节点位置的集合所构成的所述无线传感器网络的覆盖面积计算得到的；每一所述传感器节点的感知范围是以每一所述传感器节点为中心的圆形区域，所述圆形区域的半径是根据所述传感器节点的特性得到的；
[0017]若某一虚拟种群中存在一个以上最小适应度值个体，则随机选择其中一个作为所述精英个体。
[0018]在其中一个实施例中，所述从所述精英群体中选择最佳精英个体，包括：
[0019]对所述精英群体中精英个体的适应度值进行排序，选择所述精英群体中最小适应度值所对应的精英个体作为最佳精英个体；若所述精英群体中存在一个以上最小适应度值精英个体，则随机选择其中一个作为所述最佳精英个体。
[0020]在一个实施例中，所述优化算法包括基于种群的元启发式算法及其改进算法。
[0021]在一个实施例中，预先设置的迭代输出条件为迭代次数达到预先设置的最大迭代次数。
[0022]最大迭代次数为500*D，其中D为待优化问题的维度；所述维度为所述无线传感器网络的传感器节点的数量*传感器节点的坐标维度。
[0023]一种数据群体优化装置，所述装置包括：
[0024]构建模块，用于构建集成算法库；所述集成算法库中包括多个优化算法；
[0025]更新模块，用于在对待优化问题进行优化时，分别采用所述优化算法对上一次迭代输出的待更新虚拟种群进行虚拟更新，得到当前迭代各个优化算法对应的虚拟种群；
[0026]选择模块，用于从所述各个优化算法对应的虚拟种群中选择精英个体，由所述精英个体构成精英群体；
[0027]实体化模块，用于从所述精英群体中选择最佳精英个体，当所述最佳精英个体的适应度值比历史迭代中的最小适应度值小一个数量级以上时，将所述最佳精英个体所在的虚拟种群进行实体化，输出实体种群；
[0028]输出模块，用于当所述实体种群满足预先设置的迭代输出条件时，输出群体优化结果。
[0029]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0030]构建集成算法库，集成算法库中包括多个优化算法。
[0031]在对待优化问题进行优化时，分别采用所述优化算法对上一次迭代输出的待更新虚拟种群进行虚拟更新，得到当前迭代各个优化算法对应的虚拟种群；
[0032]从所述各个优化算法对应的虚拟种群中选择精英个体，由所述精英个体组成精英群体；
[0033]从所述精英群体中选择最佳精英个体，当所述最佳精英个体的适应度值比历史迭代中的最小适应度值小一个数量级以上时，将所述最佳精英个体所在的虚拟种群进行实体化，输出实体种群；
[0034]当所述实体种群满足预先设置的迭代输出条件时，输出群体优化结果。
[0035]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0036]构建集成算法库；所述集成算法库中包括多个优化算法；
[0037]在对待优化问题进行优化时，分别采用所述优化算法对上一次迭代输出的待更新虚拟种群进行虚拟更新，得到当前迭代各个优化算法对应的虚拟种群；
[0038]从所述各个优化算法对应的虚拟种群中选择精英个体，由所述精英个体组成精英群体；
[0039]从所述精英群体中选择最佳精英个体，当所述最佳精英个体的适应度值比历史迭代中的最小适应度值小一个数量级以上时，将所述最佳精英个体所在的虚拟种群进行实体化，得到实体种群；
[0040]当所述实体种群满足预先设置的迭代输出条件时，输出群体优化结果。
[0041]上述数据群体优化方法、装置、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据群体优化方法，其特征在于，所述方法包括：构建集成算法库；所述集成算法库中包括多个优化算法；在对待优化问题进行优化时，分别采用所述优化算法对上一次迭代输出的待更新虚拟种群进行虚拟更新，得到当前迭代各个优化算法对应的虚拟种群；从所述各个优化算法对应的虚拟种群中选择精英个体，由所述精英个体组成精英群体；从所述精英群体中选择最佳精英个体，当所述最佳精英个体的适应度值比历史迭代中的最小适应度值小一个数量级以上时，将所述最佳精英个体所在的虚拟种群进行实体化，得到实体种群；当所述实体种群满足预先设置的迭代输出条件时，输出群体优化结果。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：当所述最佳精英个体的适应度值比历史迭代中的最小适应度值小且不超过一个数量级时，将所述最佳精英个体加入其它虚拟种群并且替换所述其他虚拟种群中的一个个体，得到当前迭代输出的待更新虚拟种群。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：当所述最佳精英个体的适应度值不比历史迭代中的最小适应度值小，保留所有虚拟种群，所述虚拟种群之间不进行信息交流，将所述虚拟种群直接作为当前迭代输出的待更新虚拟种群。4.根据权利要求1所述的方法，其特征在于，所述待优化问题为无线传感器网络覆盖优化问题；每一所述虚拟种群的个体对应一组传感器节点位置的集合；从所述各个优化算法对应的虚拟种群中选择精英个体，包括：计算所述各个优化算法对应的虚拟种群中所有个体的适应度值，选择各虚拟种群中最小适应度值所对应的个体作为精英个体；所述适应度值是根据个体对应的传感器节点位置的集合所构成的所述无线传感器网络的覆盖面积计算得到的；每一所述传感器节点的感知范围是以每一所述传感器节点为中心的圆形区域，所述圆形区域的半径是根据所述传感器节点的特性得到的；若某一虚拟种群中存在一个以上最小适应度值个体，则随...

【专利技术属性】
技术研发人员：李浩，潘庆涛，汤俊，阮逸润，詹建军，秦婉亭，万宇，陈曦，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：