一种基于改进蝗虫优化算法的参数优化方法技术

本发明专利技术提供了一种基于改进蝗虫优化算法的参数优化方法，包括步骤为：系统初始化；更新自适应参数c；通过双精英学习机制引导蝗虫向精英个体学习，生成学习后的种群X*。此外，还引入了动态学习因子F来协调子代向两个精英蝗虫学习的权重。将原种群X与经精英学习后的种群X*进行混合排序，从中选择前N个蝗虫更新位置；当满足突变条件时，采用正弦突变引导全局最优蝗虫进行变异，并根据突变前后位置的函数值择优确定更新全局最优蝗虫；根据适应度函数计算更新后蝗虫种群函数值获取最优函数值，当满足预设的终止条件时，种群停止迭代，输出优化参数和对应的函数值。本发明专利技术的有益效果是可以提高算法优化性能，增加收敛速度及提高收敛精度。度。度。

【技术实现步骤摘要】
一种基于改进蝗虫优化算法的参数优化方法


[0001]本专利技术属于元启发式算法和群智能优化算法
，尤其是涉及一种基于改进蝗虫优化算法的参数优化方法。

技术介绍

[0002]优化是针对某个特定的问题，在所有可能的解决方案中寻找最优的一个方案的方法。现实生活中存在着很多优化问题，学者们对于如何解决优化问题一直不断的探索着。随着社会的发展，商业、医疗、能源、通信等许多领域所呈现出来的优化问题越来越复杂，基于梯度的信息以及其它方式来寻找最优解的传统优化方法在处理大规模、多约束、多极值等特点的问题时效果不够理想。在此背景下，受自然启发的元启发式算法快速发展，对解决大规模、高难度的优化问题更加高效。
[0003]蝗虫优化算法，是由Mirjalili于2017年提出的一种结构新颖的仿生优化算法。蝗虫优化算法通过模仿自然界中蝗虫的生活习性和社会行为，构建模型来求解优化问题。蝗虫优化算法简单有效，可以用较少的迭代次数解决优化问题，已被广泛应用于解决实际问题中，如故障诊断、数据安全。
[0004]现有技术中，蝗虫优化算法更新公式中包括了与种群本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进蝗虫优化算法的参数优化方法，其特征在于：包括步骤为：系统初始化；根据所述初始化数据设置突变参数；调用所述突变参数进行突变分析；调用所述突变分析结果进行突变条件判定；调用所述突变条件判定结果进行分析且输出分析结果；进行终止判定更新所述突变参数或输出优化参数。2.根据权利要求1所述的一种基于改进蝗虫优化算法的参数优化方法，其特征在于：所述调用所述突变参数进行突变分析包括步骤：通过双精英学习机制引导蝗虫向精英个体学习，生成学习后的种群X*。3.根据权利要求2所述的一种基于改进蝗虫优化算法的参数优化方法，其特征在于：所述通过双精英学习机制引导蝗虫向精英个体学习，生成学习后的种群X*包括步骤：还引入了动态学习因子(F)来协调子代向两个精英蝗虫学习的权重，将原种群X与经精英学习后的种群X*混合排序，选择前N个蝗虫更新位置。4.根据权利要求2所述的一种基于改进蝗虫优化算法的参数优化方法，其特征在于：所述通过双精英学习机制引导蝗虫向精英个体学习，生成学习后的种群X*包括步骤：所述的动态双精英学习方法，产生候选种群X*及动态学习因子采用公式：动态双精英学习方法，产生候选种群X*及动态学习因子采用公式：其中，r1、r2均为(0,1)之间的随机向量，X
best
(t)、X
second
(t)分别为第t代时适应度值排名第一和第二的个体位置，F为动态学习因子，F
best
(t)、F
second
(t)分别代表第t代排名第一和第二的个体位置的适应度值，对X和选种群X*进行混合排序后更新种群位置。5.根据权利要求3所述的一种基于改进蝗虫优化算法的参数优化方法，其特征在于：所述将原种群X与经精英学习后的种群X*进行混合排序包括步骤：将X1(t)，X2(t)，
…

【专利技术属性】
技术研发人员：陈雷，田雨，
申请(专利权)人：天津商业大学，
类型：发明
国别省市：