一种基于改进麻雀搜索算法的光资源最优路径获取方法技术

本发明专利技术涉及计算机技术领域，公开了一种基于改进麻雀搜索算法的光资源最优路径获取方法，主要包括以下步骤调用光资源网络、根据光资源网络搭建光资源网络数学模型和利用改进后的麻雀搜索算法对光资源网络数学模型进行搜索计算得到光资源网络中的光资源最优路径。本发明专利技术不仅能够在搜索光资源最优路径的前期进行整体的搜索，而且能够在搜索光资源最优路径的后期进行局部的开发，改进后的麻雀搜索算法不会向原点收敛，更有利于发掘最优解，同时本发明专利技术提供了四种目标适应度，用户可根据自身情况选择四种目标适应度中的任意一种为侧重点进行光资源最优路径的搜索。点进行光资源最优路径的搜索。点进行光资源最优路径的搜索。

【技术实现步骤摘要】
一种基于改进麻雀搜索算法的光资源最优路径获取方法


[0001]本专利技术涉及计算机
，具体涉及一种基于改进麻雀搜索算法的光资源最优路径获取方法。

技术介绍

[0002]目前，在使用经典麻雀搜索算法搜索光资源网络中的光资源最优路径时，由于经典麻雀算法主要依赖于发现者麻雀进行搜索，而发现者麻雀的搜索策略过于单一，发现者麻雀的报警值在达到安全阈值时只是移动Q(正态分布随机数)个单位，前期如果Q的值过小，则不利于在搜索光资源最优路径的前期进行整体的搜索，后期如果Q的值过大，则不利于在搜索光资源最优路径的后期进行局部的开发，经典麻雀算法会向原点收敛，不利于发掘最优解，同时无法给用户提供不同侧重点的光资源最优路径搜索。

技术实现思路

[0003]本专利技术的目的在于提供一种基于改进麻雀搜索算法的光资源最优路径获取方法，不仅能够在搜索光资源最优路径的前期进行整体的搜索，而且能够在搜索光资源最优路径的后期进行局部的开发，改进后的麻雀搜索算法不会向原点收敛，更利于发掘最优解，同时提供了四种目标适应度，用户可根据自己的情况选择四种目标适应度中的一种为侧重点进行光资源最优路径的搜索。
[0004]为解决上述技术问题，本专利技术采用了以下方案：
[0005]一种基于改进麻雀搜索算法的光资源最优路径获取方法，主要包括以下步骤：
[0006]S1：调用光资源网络；
[0007]S2：根据光资源网络搭建光资源网络数学模型；
[0008]S3：利用改进后的麻雀搜索算法对光资源网络数学模型进行搜索计算得到光资源网络中的光资源最优路径。
[0009]进一步的，所述改进后的麻雀搜索算法包括基于细菌群优化算法改进的发现者位置更新算法、基于细菌群优化算法改进的追随者位置更新算法、基于发现者比例自适应策略的发现者比例更新算法和侦察者位置更新算法，所述S3包括：
[0010]S31：生成初始化麻雀种群，初始化麻雀种群的参数包括：初始化麻雀种群中发现者麻雀的数量比例、发现者麻雀的路径序列、追随者麻雀的路径序列、侦察者麻雀的数量比例、侦察者麻雀的路径序列；根据初始化麻雀种群对光资源网络数学模型进行搜索计算得到全局最优解；并将全局最优解对应的路径序列标记为光资源最优路径；
[0011]S32：根据基于细菌群优化算法改进的发现者位置更新算法对发现者麻雀的路径序列进行更新，根据基于细菌群优化算法改进的追随者位置更新算法对追随者麻雀的路径序列进行更新，根据基于发现者比例自适应策略的发现者比例更新算法对发现者麻雀的数量比例进行更新，根据侦察者位置更新算法对侦察者麻雀的路径序列进行更新，以此将初始化麻雀种群更新为新的麻雀种群；根据新的麻雀种群对光资源网络数学模型进行搜索计
算得到更新的全局最优解；并将更新的全局最优解对应的路径序列更新为光资源最优路径；
[0012]S33：重复步骤S32。
[0013]进一步的，所述基于细菌群优化算法改进的发现者位置更新算法为：
[0014][0015]其中，t为当前的迭代次数，表示在第t次迭代时，第i个麻雀在第j维的位置，j＝1,2
…
,d，iter
max
为最大迭代次数，α是(0，1]范围内的随机数，R2为报警值(R2∈[0，1])，ST为安全阈值(ST∈[0.5，1.0])，C
i
(t)代表第i个麻雀在第t次迭代时的移动步长，为一个方向随机的单位向量。
[0016]进一步的，所述基于细菌群优化算法改进的发现者位置更新算法中的C
i
(t)采用步长参数自适应策略进行改进，C
i
(t)的计算公式为：
[0017][0018]其中，C
min
为设定的最小步长，C
max
为设定的最大步长，t为当前的迭代次数，iter
max
为最大迭代次数。
[0019]进一步的，所述安全阈值采用预警安全阈值自适应策略进行改进，ST的计算公式为：
[0020][0021]其中，ST
max
为设定的最大安全阈值，ST
min
为设定的最小安全阈值，t为当前的迭代次数，ST(t)为第t次迭代时的安全阈值,iter
max
为最大迭代次数。
[0022]进一步的，所述基于细菌群优化算法改进的追随者位置更新算法为：
[0023][0024]其中，t为当前的迭代次数，表示发现者麻雀在第t次迭代时所获得的最好位置，表示在第t次迭代时，第i个麻雀在第j维的位置，A为一个1
×
d的矩阵，A中的每个元素被随机指定为1或
‑
1，A
+
＝A
T
(AA
T
)
‑1，L是1
×
d的矩阵，且L中的每个元素都是1，Q是一个随机数且服从正态分布，表示在第t次迭代时的全局最差位置，表示跟随者麻雀中目标适应度的排名在前三分之一的个体，表示跟随者麻雀中目标适应度的排名在前三分之二到前三分之一的个体，otherwise表示跟随者麻雀中目标适应度的排名在最后三分之一的个体，Reinitialization表示给跟随者麻雀随机分配新的路径序列。
[0025]进一步的，所述侦察者位置更新算法：
[0026][0027]其中，t为当前的迭代次数，表示在第t次迭代时，第i个麻雀在第j维的位置，是到目前为止的种群里所有个体中最佳的一个位置，β为个体移动的步长参数，β是方差为1、平均值为0的正态分布的随机数，K为步长控制系数，表示麻雀移动的方向，K为
‑
1和1之间的随机数，f
i
是第i个麻雀的目标适应度，f
w
和f
g
分别是当前全局最差的目标适应度和全局最好的目标适应度，ε为使(f
i
‑
f
W
)+ε不为0的最小常数，当f
i
>f
g
时，表示麻雀处于群体的边缘，很容易受到外界的威胁，需要飞到种群的中心周围，当f
i
＝f
g
时，表示处于种群中间的麻雀意识到了危险，需要靠近其他的个体。
[0028]进一步的，所述基于发现者比例自适应策略的发现者比例更新算法为：
[0029][0030]其中，PD
max
为设定的最大发现者比例，PD
min
为设定的最小发现者比例，t为当前的迭代次数，PD(t)为第t次迭代时的发现者比例,iter
max
为最大迭代次数。
[0031]进一步的，所述改进后的麻雀搜索算法采用Metropolis准则进行改进，相关公式如下：
[0032][0033]c＝iter
max
‑
t+ε
[0034]df＝fitness(X
t
)...

【技术保护点】

【技术特征摘要】
1.一种基于改进麻雀搜索算法的光资源最优路径获取方法，其特征在于，主要包括以下步骤：S1：调用光资源网络；S2：根据光资源网络搭建光资源网络数学模型；S3：利用改进后的麻雀搜索算法对光资源网络数学模型进行搜索计算得到光资源网络中的光资源最优路径。2.根据权利要求1所述的一种基于改进麻雀搜索算法的光资源最优路径获取方法，其特征在于，所述改进后的麻雀搜索算法包括基于细菌群优化算法改进的发现者位置更新算法、基于细菌群优化算法改进的追随者位置更新算法、基于发现者比例自适应策略的发现者比例更新算法和侦察者位置更新算法，所述S3包括：S31：生成初始化麻雀种群，初始化麻雀种群的参数包括：初始化麻雀种群中发现者麻雀的数量比例、发现者麻雀的路径序列、追随者麻雀的路径序列、侦察者麻雀的数量比例、侦察者麻雀的路径序列；根据初始化麻雀种群对光资源网络数学模型进行搜索计算得到全局最优解；并将全局最优解对应的路径序列标记为光资源最优路径；S32：根据基于细菌群优化算法改进的发现者位置更新算法对发现者麻雀的路径序列进行更新，根据基于细菌群优化算法改进的追随者位置更新算法对追随者麻雀的路径序列进行更新，根据基于发现者比例自适应策略的发现者比例更新算法对发现者麻雀的数量比例进行更新，根据侦察者位置更新算法对侦察者麻雀的路径序列进行更新，以此将初始化麻雀种群更新为新的麻雀种群；根据新的麻雀种群对光资源网络数学模型进行搜索计算得到更新的全局最优解；并将更新的全局最优解对应的路径序列更新为光资源最优路径；S33：重复步骤S32。3.根据权利要求2所述的一种基于改进麻雀搜索算法的光资源最优路径获取方法，其特征在于，所述基于细菌群优化算法改进的发现者位置更新算法为：其中，t为当前的迭代次数，表示在第t次迭代时，第i个麻雀在第j维的位置，j＝1,2
…
,d，iter
max
为最大迭代次数，α是(0，1]范围内的随机数，R2为报警值(R2∈[0，1])，ST为安全阈值(ST∈[0.5，1.0])，C
i
(t)代表第i个麻雀在第t次迭代时的移动步长，为一个方向随机的单位向量。4.根据权利要求3所述的一种基于改进麻雀搜索算法的光资源最优路径获取方法，其特征在于，所述基于细菌群优化算法改进的发现者位置更新算法中的C
i
(t)采用步长参数自适应策略进行改进，C
i
(t)的计算公式为：其中，C
min
为设定的最小步长，C
max
为设定的最大步长，t为当前的迭代次数，iter
max
为最大迭代次数。
5.根据权利要求3所述的一种基于改进麻雀搜索算法的光资源最优路径获取方法，其特征在于，所述安全阈值采用预警安全阈值自适应策略进行改进，ST的计算公式为：其中，ST
max
为设定的最大安全阈值，ST
min
为设定的最小安全阈值，t为当前的迭代次数，ST(t)为第t次迭代时的安全阈值,iter
max
为最大迭代次数。6.根据权利要求2所述的一种基于改进麻雀搜索算法的光资源最优路径获取方法，其特征在于，所述基于细菌群优化算法改进的追随者位置更新算法为：其中，t为当前的迭代次数，表示发现者麻雀在第t次迭代时所获得的最好位置，表示在第t次迭代时，第i个麻雀在第j维的位置，A为一个1
×
d的矩阵，A中的每个元素被随机指定为1或
‑
1，A
+
＝A
T
(AA
T
)
‑1，L是1
×
d的矩阵，且L中的每个元素都是1，Q是一个随机数且服从正态分布，表示在第t次迭代时的全局最差位置，表示跟随者麻雀中目标适应度的排名在前三分之一的个体，表示跟随者麻雀中目标适应度的排名在前三分之二到前三分之一的个体，otherwise表示跟随者麻雀中目标适应度的排名在最后三分之一的个体，Reinitial...

【专利技术属性】
技术研发人员：罗维，徐鹏飞，崔波，蒋毅，李俊，
申请(专利权)人：重庆品胜科技有限公司，
类型：发明
国别省市：