一种融合进化方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种融合进化方法、装置及存储介质，方法包括：创建初始种群；计算初始种群中个体的适应度；对初始种群中的个体进行差分进化操作，产生第一子代种群，并且对初始种群中的个体进行粒子群进化操作，产生第二子代种群；将第一子代种群个体和第二子代种群个体合并，按适应度排序，取适应度高的前一半种群个体为第三子代种群；合并得到的子代种群按照初始种群的融合进化方法进行融合进化，直至满足终止条件。本发明专利技术融合了差分进化算法和粒子群算法，有效提高了进行算法的优化效率和优化效果。果。果。

【技术实现步骤摘要】
一种融合进化方法、装置及存储介质


[0001]本专利技术涉及进化算法
，尤其涉及一种融合进化方法、装置及存储介质。

技术介绍

[0002]近年来，随着计算机技术的快速发展，为了在一定程度上解决大空间、非线性、全局寻优、组合优化等复杂问题，不少进化算法不断涌现，如差分进化算法和粒子群算法等。差分进化算法结构简单、通用、可靠性高，但计算效率较低。粒子群算法搜索速度快、效率高，算法简单，但容易陷入局部最优解。
[0003]因为这些算法独特的优势，获得了国内外学者的广泛关注，掀起了研究热潮，并在电子、通信、计算机、自动化、机器人、经济学和管理学等众多学科和信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域，得到了成功应用。但单种进化算法由于自身的缺点(例如差分进化算法计算效率较低、粒子群算法容易陷入局部最优解)，不利于优化问题的解决。

技术实现思路

[0004]本专利技术所要解决的技术问题是针对现有技术存在的问题，提供一种融合进化方法、装置及存储介质。
[0005]为解决上述技术问题，本专利技术提供一种融合进化方法，包括：创建初始种群；计算初始种群中个体的适应度；对初始种群中的个体进行差分进化操作，产生第一子代种群，并且对初始种群中的个体进行粒子群进化操作，产生第二子代种群；将第一子代种群个体和第二子代种群个体合并，按适应度排序，取适应度高的前一半种群个体为第三子代种群；合并得到的子代种群按照初始种群的融合进化方法进行融合进化，直至满足终止条件。
[0006]为解决上述技术问题，本专利技术还提供一种融合进化装置，包括：
[0007]初始种群创建模块，用于创建初始种群；
[0008]适应度计算模块，用于计算初始种群中个体的适应度；
[0009]进化处理模块，用于对初始种群中的个体进行差分进化操作，产生第一子代种群，并且对初始种群中的个体进行粒子群进化操作，产生第二子代种群；
[0010]融合进化模块，用于将第一子代种群个体和第二子代种群个体合并，按适应度排序，取适应度高的前一半种群个体为第三子代种群；
[0011]循环优化模块，用于将合并得到的子代种群按照初始种群的融合进化方法进行融合进化，直至满足终止条件。
[0012]为解决上述技术问题，本专利技术还提供一种计算机可读存储介质，包括指令，当指令在计算机上运行时，使计算机执行上述技术方案提供的融合进化方法。
[0013]为解决上述技术问题，本专利技术还提供一种融合进化装置，包括存储器、处理器及存储在存储器上的并可在处理器上运行的计算机程序，处理器执行程序时实现上述技术方案提供的融合进化方法。
[0014]本专利技术的有益效果是：本专利技术融合了差分进化算法和粒子群算法，解决了差分进化算法计算效率较低、粒子群算法容易陷入局部最优解的缺点，融合后的进化算法有效提高了优化效率和优化效果。
[0015]本专利技术附加的方面及其优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术实践了解到。
附图说明
[0016]图1为本专利技术实施例提供的融合进化方法流程图；
[0017]图2为本专利技术实施例提供的融合进化装置示意图。
具体实施方式
[0018]以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
[0019]需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
[0020]图1为本专利技术实施例提供的融合进化方法流程图。如图1所示，该方法包括：
[0021]S1，创建初始种群。
[0022]具体地，随机生成群体规模为NP个个体的初始群体。群体规模的大小将影响优化的最终结果以及优化效率。当群体规模NP太小时，优化性能一般不会太好。采用较大的群体规模可以减小优化算法陷入局部最优解的机会，但较大的群体规模意味着计算复杂度高。NP取值一般为10～100。
[0023]S2，计算所述初始种群中个体的适应度。
[0024]对群体中的个体，进行适应度计算。在具体应用中，适应度函数的设计要结合求解问题本身的要求而定。适应度函数评估是进化选择的依据，适应度函数设计直接影响到进化算法的性能。常见的适应度函数构造方法主要有：目标函数映射成适应度函数、基于序的适应度函数等。
[0025]S3，对所述初始种群中的个体进行差分进化操作，产生第一子代种群，并且对所述初始种群中的个体进行粒子群进化操作，产生第二子代种群。
[0026]具体地，对种群中的个体进行变异操作、交叉操作、边界条件处理和选择操作的差
分进化操作，产生子代种群1(第一子代种群)；同时对种群中的个体进行速度更新、位置更新和边界调节处理的粒子群进化操作，产生子代种群2(第二子代种群)。
[0027]S4，将所述第一子代种群个体和第二子代种群个体合并，按适应度排序，取适应度高的前一半种群个体为第三子代种群(子带种群3)。
[0028]S5，合并得到的子代种群按照初始种群的融合进化方法进行融合进化，直至满足终止条件。
[0029]判断是否满足终止条件，终止条件可以是最大进化代数G，也可以是目标函数值的最小阈值等。G取值一般为100～500，最小阈值一般取10
‑
6。若满足终止条件，则输出最优结果，算法结束；若不满足，则进行进化循环优化操作，直至达到终止条件，输出最优结果。
[0030]本专利技术实施例融合了差分进化算法和粒子群算法，有效提高了进行算法的优化效率和优化效果。
[0031]下面以一具体实例详细描述本专利技术实现过程。
[0032]运用差分进化算法与粒子群算法融合的进化算法，计算函数如下函数的最小值。函数公式如下：
[0033][0034]其中x
i
的范围是
‑
512≤x
i
≤512，个体x的维数n＝10。这是一个简单的平方和函数，只有一个最小点x＝(0，0，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合进化方法，其特征在于，包括：创建初始种群；计算所述初始种群中个体的适应度；对所述初始种群中的个体进行差分进化操作，产生第一子代种群，并且对所述初始种群中的个体进行粒子群进化操作，产生第二子代种群；将所述第一子代种群个体和第二子代种群个体合并，按适应度排序，取适应度高的前一半种群个体为第三子代种群；合并得到的子代种群按照初始种群的融合进化方法进行融合进化，直至满足终止条件。2.根据权利要求1所述的融合进化方法，其特征在于，所述创建初始种群包括：随机生成群体规模为NP个个体的初始群体。3.根据权利要求2所述的融合进化方法，其特征在于，所述NP取值为10～100。4.根据权利要求1所述的融合进化方法，其特征在于，所述差分进化操作包括：变异操作、交叉操作、边界条件处理和选择操作。5.根据权利要求1所述的融合进化方法，其特征在于，所述粒子群进化操作包括：速度更新、位置更新和边界调节处理。6.根据权利要求1所述的融合进化方法，其特征在于，所述终止条件包括：进化代数达到最大进化代数，或者目标函数值达到最小阈值。7...

【专利技术属性】
技术研发人员：包子阳，余继周，王卓，李中伟，
申请(专利权)人：北京无线电测量研究所，
类型：发明
国别省市：