1.一种面向智能计算的群智能进化式优化方法,其特征在于,包括以下步骤:步骤1、设置初始参数:种群中个体数量N、最大迭代次数Max_iter、个体维度D,并在寻优范围内随机生成每个个体的初始位置xi,i=1,2,3……N;
步骤2、根据目标函数f(x)计算个体的适应度值f(xi);
步骤3、根据步骤2所得适应度值f(xi),找出最优适应度值fmin,并记录所述最优适应度值fmin的位置,即最优个体位置xbest(T);
步骤4、对种群中的最优个体位置进行邻域扰动,生成邻域个体位置,并计算新旧最优个体的适应度值,采用贪婪选择策略对新旧解进行对比,得到新的最优个体位置;
步骤5、在保持种群规模不变的情况下,按概率将算法的寻优进化机制分成三种策略:a、1/3概率的个体执行基础算法的进化策略;
b、1/3个体执行非均匀高斯变异进化策略;
c、其余1/3个体再按迭代次数将算法分成两段:前半段执行t分布变异,后半段执行黄金正弦进化策略;
通过所述三种策略得到原个体位置对应的新个体位置;
步骤6、根据目标函数f(x)求出由步骤5所得新个体位置的适应度值,采用贪婪选择策略对原个体位置与新个体位置的适应度值进行选择,得到个体现位置;
步骤7、比较当前迭代次数T是否达到最大迭代次数,若T≤Max_iter,返回步骤2,继续迭代进化的寻优过程;
步骤8、确定最终的最优值并输出。
2.根据权利要求1所述的一种面向智能计算的群智能进化式优化方法,其特征在于,所述步骤4包括以下步骤:
步骤4.1、对步骤3所得最优个体位置xbeat(T)进行邻域扰动,生成邻域个体位置,计算所述邻域个体位置的适应度值;
步骤4.2、采用贪婪选择策略对最优个体位置xbest(T)与邻域个体位置的适应度值进行选择,得到最优个体位置。
3.根据权利要求2所述的一种面向智能计算的群智能进化式优化方法,其特征在于,所述步骤4.1的计算式如下:
式(1)中,rand为[0,1]之间均匀分布的随机数,xbest(T)为当前代最优个体位置。
4.根据权利要求3所述的一种面向智能计算的群智能进化式优化方法,其特征在于,所述步骤4.2的计算式如下:
式(2)中,xbest(T+1)为更新后下一代最优个体位置,即个体现位置。
5.根据权利要求1所述的一种面向智能计算的群智能进化式优化方法,其特征在于,所述步骤5包括以下实施步骤:
步骤5.1、m=rand,m为[0,1]之间均匀分布的随机数;
步骤5.2、若m<1/3,则执行基础算法的进化策略步骤5.3、若m>2/3,由公式(3)对个体的位置进行更新;
xi(T+1)=xi(T)+Δ(T,Gi(T)) (3)步骤5.4、若1/3≤m≤2/3,则判断算法是在迭代前半段进行探索还是在迭代后半段执行开发,若T<1/2·Max_iter,则由公式(4)对个体的位置进行更新;
xi(T+1)=xi(T)+tmd(T)·xi(T) (4)否则,由公式(5)对个体的位置进行更新;
xi(T+1)=xi(T)·|sin(R1)|+R2·sin(R1)·|x1·xbest(T)‑x2·xi(T)| (5)式(5)中,R1为[0,2π]之间均匀分布的随机数,R2为[0,π]之间均匀分布的随机数,x1和x2是黄金分割系数,黄金分割数 则x1=‑π+(1‑q)·2π,x2=‑π+q·2π,xi(T)是当前代中第i个个体的位置,xi(T+1)是更新后下一代中第i个个体的位置;
式(3)中,Δ(T,Gi(T))为非均匀变异步长,是一种通过高斯分布自适应调节步长的变异算子,所述Δ(T,Gi(T))计算式如下:Gi(T)=N·((xbest(T)‑xi(T)),σ) (7)式(6)~(7)中,y=Gi(T),p为[0,1]之间均匀分布的随机数,Max_iter为最大迭代次数,b为系统系数,决定变异计算的非均匀程度,b=2,N为种群个体数量,σ为高斯分布标准差。