[发明专利]一种基于鸽群启发式优化的连续优化问题求解方法

摘要

一种基于鸽群启发式优化的连续优化问题求解方法，它有七大步骤：一、按照给定的问题建立相应的评价函数，并设置相应的参数；二、初始化鸽群优化算法参数设置；三、随机初始化N只鸽子的初始位置和速度；四、执行地图罗盘算子；五、若迭代次数大于地图罗盘算子的最大迭代次数NC₁，则停止地图罗盘算子并执行地标算子，即执行步骤六，否则返回步骤四进行下一次迭代；六、执行地标算子；七、若迭代次数大于地标算子的最大迭代次数NC₂，则停止地标算子，否则返回步骤六进行下一次迭代；输出问题对应的数学模型结果。

主权项

一种基于鸽群启发式优化的连续优化问题求解方法，其特征在于：该方法具体步骤如下：步骤一：按照给定的问题建立相应的评价函数，并设置相应的参数；步骤二：初始化鸽群优化算法参数设置；参数设置中有：种群规模N_p，优化维数D，地图罗盘因子R，两个算子的最大迭代次数NC₁和NC₂；过大或过小的R都会导致不好的结果；步骤三：随机初始化N只鸽子的初始位置和速度，根据在步骤一中建立的实际问题的数学模型，计算每一只鸽子的代价，得出各个鸽子的适应度值f()，并找到当前的最优路径；步骤四:执行地图罗盘算子，按引入了鸽群优化算法群体信息的速度更新规则对鸽子速度和位置进行更新，新的速度和位置按公式V_i(t)＝V_i(t‑1)·e^‑Rt+rand·(X_g‑X_i(t‑1))    (3)和X_i(t)＝X_i(t‑1)+V_i(t)(4)更新；其中，R是地图罗盘因子,rand是随机数,X_g是当前最优位置，通过比较所有鸽子的位置得到；步骤五:若迭代次数大于地图罗盘算子的最大迭代次数NC₁，则停止地图罗盘算子并执行地标算子，即执行步骤六，否则返回步骤四进行下一次迭代；步骤六:执行地标算子，根据评价函数给所有鸽子排序，评价函数低的一半鸽子将跟随评价函数高的鸽子飞行，然后找到所有鸽子的加权中心位置，这个位置就是目的地；最后，所有鸽子将直接飞向目的地；新的位置更新公式如下$N_p\left(t\right)=\frac{N_p(t-1)}{2}---\left(5\right)$$X_c\left(t\right)=\frac{\mathrm{\Σ}{X}_i\left(t\right)\·\mathrm{fitness}\left(X_i\left(t\right)\right)}{N_p\mathrm{\Σfitness}\left(X_i\left(t\right)\right)}---\left(6\right)$X_i(t)＝X_i(t‑1)+rand·(X_c(t)‑X_i(t‑1))     (7)其中，fitness()鸽子个体的评价函数，对于最小值优化问题，选择$\mathrm{fitness}\left(X_i\left(t\right)\right)=\frac{1}{f_{\min }\left(X_i\left(t\right)\right)+\mathrm{\ϵ}};$对于最大值优化问题，选择fitness(X_i(t))＝f_max(X_i(t))；步骤七:若迭代次数大于地标算子的最大迭代次数NC₂，则停止地标算子，否则返回步骤六进行下一次迭代；输出问题对应的数学模型结果。