一种基于多策略两阶段的竞争群优化方法技术

本发明专利技术涉及信息技术领域，且公开了一种基于多策略两阶段的竞争群优化方法，满足算法第一阶段的执行条件，对失败者粒子执行模糊搜索策略，对胜利者粒子执行自适应双方向采样策略，失败者粒子及其采样粒子向胜利者粒子进行学习，满足算法第二阶段的执行条件，失败者粒子向胜利者粒子进行加强收敛学习。该一种基于多策略两阶段的竞争群优化方法通过第一个进化阶段旨在如何高效的搜索整个空间，在此阶段，通过模糊搜索策略和自适应双方向采样策略两个策略的辅助下算法可以更高效地搜索整个空间，第二个进化阶段旨在进化的后期，适当提高种群收敛性，在此阶段，通过提出新的更新学习策略，以加速收敛，即使是当计算资源较少时，算法也能够达到较好的收敛效果。

【技术实现步骤摘要】

本专利技术涉及信息，具体为一种基于多策略两阶段的竞争群优化方法。

技术介绍

1、近年来，进化计算(ec)算法作为一种模拟自然界生物进化的群体导向随机搜索技术，已被成功应用于处理大量复杂的科学和实际工程问题，随着应用领域的不断拓展，进化计算(ec)算法的研究也得到了快速发展，成为研究热点，具有代表性的进化计算(ec)算法主要包括遗传算法(ga)、蚁群优化(aco)、粒子群优化(pso)、差分进化(de)等，值得注意的是，粒子群优化算法(pso)是一种著名而有效的进化计算算法，它的灵感来自鸟类群集的模仿，虽然1995年引入的传统粒子群算法近年来发展迅速，由于结构简单、搜索能力强，在车间调度、参数选择、函数优化、神经网络训练、路径规划等各个研究领域都表现出较强的竞争力，但在处理复杂问题时仍然存在过早收敛和局部最优的问题。

2、粒子群算法在求解低维问题方面取得了较好的效果，然而，与大多数ec算法类似，经常有报道称，随着维度的增加，现有的性能会急剧下降，近年来，人们开发了竞争群优化器(cso)来求解大规模优化问题，cso的进化是由成对竞争机制驱动的，每次本文档来自技高网...

【技术保护点】

1.一种基于多策略两阶段的竞争群优化方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于多策略两阶段的竞争群优化方法，其特征在于：所述步骤S4包括以下步骤：

3.根据权利要求2所述的基于多策略两阶段的竞争群优化方法，其特征在于：所述步骤S4.1的模糊搜索策略包括以下步骤：

4.根据权利要求3所述的基于多策略两阶段的竞争群优化方法，其特征在于：所述步骤S4.1.1的划分步骤的算术表达式如下：

5.根据权利要求4所述的基于多策略两阶段的竞争群优化方法，其特征在于：所述S4.1.2中的上界Γu和下界Γl具体计算公式如下：

6...

【技术特征摘要】

1.一种基于多策略两阶段的竞争群优化方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于多策略两阶段的竞争群优化方法，其特征在于：所述步骤s4包括以下步骤：

3.根据权利要求2所述的基于多策略两阶段的竞争群优化方法，其特征在于：所述步骤s4.1的模糊搜索策略包括以下步骤：

4.根据权利要求3所述的基于多策略两阶段的竞争群优化方法，其特征在于：所述步骤s4.1.1的划分步骤的算术表达式如下：

5.根据权利要求4所述的基于多策略两阶段的竞争群优化方法，其特征在于：所述s4.1.2中的上界γu和下界γl具体计算公式如下：

6.根据权利要求5所述的基于多策略两阶段的竞争群优化方法，其特征在于：所述步骤s4.1.3中的划分过程根据象限将搜索空间[γl，γu]划分成子空间内的四个...

【专利技术属性】
技术研发人员：尚青霞，谭民忠，胡蓉，张军磊，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：