[发明专利]一种实数编码化学反应智能优化算法

说明书

技术领域

本发明属于化学反应优化领域，具体是一种实数编码化学反应智能优化算法。

背景技术

优化问题也由来已久，最早可以追溯到公元前300年，古希腊数学家欧几里得证明了，在周长相同的所有矩形中，正方形面积最大。优化方法也随着优化问题的出现而产生。传统的优化方法主要分两类：线性规划的单纯形法和非线性规划的基于梯度的各类迭代算法。其中主要包括：牛顿法、共轭梯度法、拟牛顿法、信赖域法、线性搜索法等。但是传统优化方法需要目标函数可导可微和梯度信息，使该类方法很难应用于复杂、困难的优化问题。虽然如此，这些以梯度信息为基础的传统优化算法具有较高的计算效率、较强的可靠性等优点，同时具有完整的理论基础以及严格的数学证明，这是现代优化算法——智能优化算法所不足的地方。传统优化算法一般是针对结构化的问题，需要有较为明确的问题和条件描述，是确定性算法，有固定的结构和参数，可对其计算复杂度和收敛性做理论分析。

与大多数基于梯度信息的传统优化算法不同，智能优化算法一般都是建立在生物智能或物理现象基础上的随机搜索算法，需要采用较多的函数评价 (Function Evaluation,FE)，而且在理论上还远不如传统优化算法完善。智能优化算法一般情况下并不能确保获得最优解，因此常常被视为“元启发式方法”(meta-heuristic)算法。但是智能优化算法与传统优化算法相比，也具有明显的优点，比如一般不要求目标函数和约束的连续性与凸性，甚至不要求解析表达式，对计算中数据的不确定性也有很强的适应能力，同时具有潜在的并行性和分布式特点。

2010年，Albert Y.S.Lam和Victor O.K.Li受化学反应过程中分子间相互作用以获得最小分子势能的启发，提出了用于解决组合优化问题的化学反应优化算法(CRO)。CRO作为新的基于种群的元启发式算法，一经提出便受到了很大的关注，现在已经成功应用于很多优化问题的求解。2012年在CRO的基础上，提出了用于函数优化问题的实数编码化学反应优化算法(RCCRO)。实数编码化学反应优化算法(RCCRO)作为新近提出的基于种群的元启发式智能算法，具有较强的局部搜索能力且不易陷入局部最优的优点，很好的应用于函数优化问题。但是，由于其分子间缺乏信息交流，全局算子特别是合成反应操作发生的盲目性，使其伴随着全局搜索能力差、收敛速度慢、收敛精度低等缺点。

发明内容

为了克服现有技术的不足，本发明提出了一种实数编码化学反应智能优化算法，解决现有的实数编码化学反应优化算法存在分子间缺乏信息交流，全局算子特别是合成反应操作发生的盲目性，使其伴随着全局搜索能力差、收敛速度慢、收敛精度低的问题。

本发明为实现上述目的，采用以下技术方案实现：

一种实数编码化学反应智能优化算法，包括以下步骤：

步骤1：初始化阶段，初始化分子动能及其他分子结构属性；

步骤2：迭代阶段，判断算法的终止条件是否满足，若不满足，则进行单分子操作或双分子操作，直至满足终止条件；

步骤3：终止阶段，输出全局最优解及对应的目标函数值。

进一步地，作为优选技术方案，在进行步骤1之前，先确定优化问题的分子结构式、边界约束条件以及问题的维数，并确定算法的参数取值。

进一步地，作为优选技术方案，所述优化问题的目标函数为

其中，ω'₁(i)、ω'2(i)分别为分子1、分子2的当前分子结构，分别为分子1和分子2的历史最优分子结构，i,j∈{1,2,…,N}，且随机产生。

进一步地，作为优选技术方案，所述边界约束条件为：

其中，ω(i)分子结构ω的第i维的值，u(i)和l(i)分别为第i个分量的上、下限， t为随机数，且t∈[0,1]。。

进一步地，作为优选技术方案，所述问题的维数确定的具体过程为：

步骤1-1：随机产生M个具有N维变量的分子，其时间复杂度为O(MN)；

步骤1-2：判断终止条件是否满足，其时间复杂度为O(1)；

步骤1-3：判断执行的分子操作类型，其时间复杂度为O(1)；随机选择一个分子，进行分解反应操作或者对墙无效碰撞操作，其最大时间复杂度为O(N)；随机选择两个分子进行分子间碰撞操作，其时间复杂度O(1)，迭代过程中的最大时间复杂度为O(N)；

步骤1-4：检查并更新全局最小值，其时间复杂度为O(1)；