一种基于实数编码的小世界优化算法制造技术

本发明专利技术公开了属于优化领域的一种基于实数编码的小世界优化算法。该算法在现有二进制小世界算法的基础上，提出了一种基于实数编码的小世界算法，在算法中构造了一种新的基于实数编码的局部短连接和随机长连接搜索算子。本发明专利技术应用实数编码方式避免了解码和编码所存在的繁琐性，很大程度地节约了算法的运行时间。对多参数问题优化也能够很快地搜索到最优解，而且具有较高的寻优精度，克服了二进制及十进制小世界算法的繁琐和搜索时间慢等缺点。

【技术实现步骤摘要】

本专利技术涉及优化领域，尤其涉及一种基于实数编码的小世界优化算法。
技术介绍
现有的优化技术大抵可分成基于传统优化算法的传统优化技术以及基于人工智 能和知识工程的智能优化技术。随着优化对象日趋复杂化，设备运行所需的要求越来越高， 智能优化技术逐渐成为优化技术研究的发展方向。 优化算法作为优化技术的关键内容，直接决定了优化技术能否成功实施。优化算 法主要包括传统的优化算法和智能的优化算法两大类。传统的优化算法包括枚举法、导 数法、直接法、随机法等。这些传统的寻优方法通常都是沿着目标函数的梯度方向搜索，普 遍存在着对输入敏感，迭代收敛速度慢，容易陷入局部极小等缺点。因此需解决的关键问 题是如何避免陷入局部最优以及收敛性和收敛速度的问题。近年来，优化算法已经由传 统的基于梯度信息或直接搜索的传统局部算法发展到了具有全局搜索特性的智能优化算 法，相继出现了许多全局优化技术或智能优化算法。智能优化算法包括以遗传算法(GA， GeneticAlgorithm)为代表的基于生物进化理论的进化算法、基于金属热处理过程的模拟 退火算法(SA， Simulated Annealing)、基于生物行为活动的蚁群优化(AC0， AntColony Optimization)算法、粒子群优化(PS0，Particle Swarm Optimization)算法，以及基于混 沌现象的混沌优化算法(C0A， Chaos-based Optimization Algorithm)等。新型的全局优 化算法的出现在一定程度上提高了优化技术适用的范围和优化结果的可靠性。然而，智能 优化算法并非完美，该类算法存在收敛速度慢、易发生早熟现象和搜索精度不高等缺点，而 现有的混沌优化算法对于搜索空间小时效果显著，但当搜索空间大时搜索时间较长，不能 令人满意，而且还存在对初值的依赖性较强的问题。为了提高优化性能，探索寻找新的优化 算法具有很重要的意义，小世界网络理论在优化领域的应用近几年刚刚兴起。 近期很多领域对小世界理论的不断研究和探索，其研究成果已经在互联网控制、 艾滋病传播预测和生物学蛋白质网络动力学等许多领域得到了成功的应用，而小世界优化 也是小世界网络应用的一个领域。小世界网络优化问题可以描述为在搜索空间中从候选 解向最优解的信息传递过程，如果可以把解空间视为一个小世界网络，而其中的每个解个 体视为该小世界网络中的一个节点，利用小世界现象有效的信息传递即可实现最优解的搜 索。基于这种描述，我们即可建立优化和小世界网络的一种关联。小世界网络是集群系数 大的局部短连接和较长连接构成的网络，所以在寻优过程中，小世界现象的有效信息快速 传递这一特点，使得小世界成为一种新型的全局优化技术，其具有逃离局部极小，收敛速度 更快，实现全局优化等很多优点。现有的初步的研究成果已经凸显小世界在优化方面所具 有巨大的潜能。 但是由于科学界对小世界网络理论的研究刚刚起步不久，对其各个方面的研究都 不是很成熟，尤其是对小世界网络在优化领域中的应用在国内外更是很少见报道。在国外 对小世界网络在优化领域方面的研究几乎没有。而在国内主要是西安交通大学对小世界4在优化方面的研究做了一些初步的探索，一种是基于二进制编码的小世界优化算法.西安交通大学学报，2005，39(9): 1011-1015];—种是基于十进制编码的小世界优化算法.西安交通大学学报，2009，43(1)]。这两种算法由 于用到了编码和解码，所以存在编码串长，解码和编码计算繁琐等很多问题，尤其对于多参 数的优化问题，应用二进制编码法和十进制编码法会更加繁琐。这些都会导致优化算法运 行时间加长等缺陷，而且会影响优化精度。所以有待于我们对其作进一步的探索和研究。
技术实现思路
本专利技术的目的是针对
技术介绍
中所描述的目前二进制及十进制小世界算法存在的解码和编码计算繁琐等问题，提出了一种基于实数编码的小世界优化算法。其特征在于，包括以下步骤 步骤一 构造优化问题的适应度函数，进行算法初始化； 步骤二 随机产生实数编码的初始节点，计算每一个节点的适应度值； 步骤三构造算法优化空间的初始节点集，并确定其中的最优初始节点； 步骤四对节点集进行循环寻优，如果达到寻优精度或搜索代数大于最大搜索代数时，输出最优值和最优节点，算法结束；否则，进入步骤五； 步骤五对节点集中的节点i进行第j次小世界局部短连接搜索或随机长连接搜 索；j = j+l ;如果j不大于临时局部网络的大小，返回步骤五；否则，i = j+1 ;如果i不大 于节点个数，返回步骤五，否则进入步骤六； 步骤六将由上述步骤搜索得到的节点作为下一代节点集合，找出其中的最优节 点，返回步骤四。 所述步骤一中的算法初始化包括设置节点个数m、搜索代数k、最大搜索代数 K^、临时局部网络所含节点个数Ni、短连接搜索概率&、节点邻域l，给出理论最优值f、精 度大小e以及与随机产生初始节点的个数有关的M值。 所述步骤二中的节点为维数与被优化参数个数相同的向量，该向量每一维的值为与其对应的被优化参数在其参数取值范围内的实数取值。 所述步骤三中的优化空间的维数与被优化参数个数相同。 所述步骤三中的初始节点集依据适应度值由随机产生的初始节点中较优的m个 节点组成。 对所述适应度值从小到大进行排序，如果所求被优化对象的最优值为适应度函数 的最小值，则取适应度值较小的前m个节点组成初始节点集，取其中适应度值最小的节点 作为最优初始节点；如果所求被优化对象的最优值为适应度函数的最大值，则取适应度值 较大的后m个节点组成初始节点集，取其中适应度值最大的节点作为最优初始节点。 所述步骤五中的搜索过程为产生一个随机数rand，如果rand小于短连接搜索概 率，则进行局部短连接搜索；否则，进行随机长连接搜索。 所述优化算法对每一个节点进行&次搜索，并利用搜索得到的&个结果构造每一个节点的临时局部网络，选取网络中的最优节点作为该节点的下一代节点。 所述局部短连接搜索为从所构造的邻域节点集中选取其中一个节点作为当前节点的临时局部网络中的一个节点；所述随机长连接搜索为从所构造的非邻域节点集中选取 其中一个节点作为当前节点的临时局部网络中的一个节点。 所述邻域节点集的构造过程为以当前节点为n维球面中心点，其中n为优化空间 的维数，以节点邻域1为n维球面半径，构造n维球面；然后在所构造的球面内部产生较为 均匀的3n。个坐标点集，从中选取n。个属于优化空间的坐标点构成小世界网络的邻域节点集。 所述非邻域节点集的构造过程为在上述球面外部区域产生较为均匀的3n。个坐标点集，从中选取n。个属于优化空间的坐标点构成小世界网络的非邻域节点集。 本专利技术应用实数编码方式避免了解码和编码所存在的繁琐性，很大程度地节约了算法的运行时间。对多参数问题优化也能够很快地搜索到最优解，而且具有较高的寻优精度，克服了二进制及十进制小世界算法的繁琐和搜索时间慢等缺点。附图说明 图1 :二维小世界网络节点邻域空间和非邻域空间构建图； 图2 :实数编码的小世界网络节点邻域空间和非邻域空间的构建流程图； 图3 :实数编码小世界优化算法主程序流程图。具体实施例方式下面结合附图，对优选实施例作详细说明本文档来自技高网...

【技术保护点】
一种基于实数编码的小世界优化算法，其特征在于，包括以下步骤：步骤一：构造优化问题的适应度函数，进行算法初始化；步骤二：随机产生实数编码的初始节点，计算每一个节点的适应度值；步骤三：构造算法优化空间的初始节点集，并确定其中的最优初始节点；步骤四：对节点集进行循环寻优，如果达到寻优精度或搜索代数大于最大搜索代数时，输出最优值和最优节点，算法结束；否则，进入步骤五；步骤五：对节点集中的节点ｉ进行第ｊ次小世界局部短连接搜索或随机长连接搜索；ｊ＝ｊ＋１；如果ｊ不大于临时局部网络的大小，返回步骤五；否则，ｉ＝ｉ＋１；如果ｉ不大于节点个数，返回步骤五，否则进入步骤六；步骤六：将由上述步骤搜索得到的节点作为下一代节点集合，找出其中的最优节点，返回步骤四。

【技术特征摘要】

【专利技术属性】
技术研发人员：王爽心，刘海瑞，董旸，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：11[中国|北京]