[发明专利]算法优化的方法和装置

权利要求书

1.一种算法优化的方法，其特征在于，包括：

基于差分演化机制对EHO进行初始化，得到初始化后的EHO；

基于列维飞行机制对所述初始化后的EHO进行优化，得到优化后的算法。

2.根据权利要求1所述的方法，其特征在于，

优化过程包括：

将第i个搜索粒子i的解序列X初始化为：

其中，ρ是[0,1]中的随机常数，是[-1,1]中的随机常数；X_i,j表示聚类j中的粒子w；在数学优化模型中，定义当前搜索代理的Henry系数为：

搜索剂i在群j中的溶解度在数学上表示为：

S_i,j(t)＝K×H_j(t)×P_i,j(t)；

第j个星团中第i个气体粒子的下一个位置被更新为：

所有的粒子都被作为能源利用的输入来评估，以找到最优的适应度值：

3.根据权利要求2所述的方法，其特征在于，

在优化过程的探索阶段中，基于列维飞行机制对所述初始化后的EHO进行优化包括：

列维飞行机制的数学表达式为:

其中r₁和r₂是(0,1)中的随机值，δ是设为1.5的常数。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

采用预设绩效指标评估所述目标优化结果，其中，所述预设绩效指标包括：平均适应度、平均执行时间和平均增强性能。

5.根据权利要求4所述的方法，其特征在于，所述平均适应度表示为：

其中，为第i次执行的最优适应度值，M表示总的操作时间。

6.根据权利要求4所述的方法，其特征在于，所述平均执行时间表示为：

其中，T_λ为第m次操作的操作时间，单位为秒。

7.根据权利要求4所述的方法，其特征在于，所述平均增强性能，用于利用每个阶段每个执行时间的改进适应度值来限定算法的增强性能，其中，所述平均增强性能表示为：

其中，σ_MF为所述平均适应度，σ_MET为所述平均执行时间。

8.一种算法优化的装置，其特征在于，包括：

初始化模块，用于基于差分演化机制对EHO进行初始化，得到初始化后的EHO；

优化模块，用于基于列维飞行机制对所述初始化后的EHO进行优化，得到优化后的算法。