[发明专利]一种基于均衡单进化布谷鸟算法的迭代学习控制方法

摘要

本发明涉及一种基于均衡单进化布谷鸟算法的迭代学习控制方法，给出了新型的均衡单进化评价策略，每一代进化只随机更新目标函数的单个维度，并且随机更新的维度服从整数均匀分布，与其它维度组合构成一个新的候选解，然后评价该候选解，若优于上一代函数适应度值，则保留更新的候选解并继续进化，直至满足算法停止条件，由于采用贪婪法则，因此只接受能改善当前候选解的更新值，确保了在优化过程中搜索方向的针对性调整，并且不会影响效率。本发明能够有效平衡布谷鸟算法的全局搜索能力和局部寻优能力，避免优化算法执行末期出现的迟滞现象，从而提高算法的全局搜索速度和收敛精度。

主权项

1.一种基于均衡单进化布谷鸟算法的迭代学习控制方法，其特征在于，包括：步骤1，计算随机化迭代控制输入和在迭代学习次数k＝0时，对应的迭代学习控制适应度值设置当前最优迭代输入计算当前最优迭代学习控制适应度值为其中，N表示种群包括的宿主巢穴个数，D表示迭代学习控制目标函数维度，为第k+1次迭代跟踪误差，为第k+1次迭代学习的系统输出，且G表示迭代控制系统的传递函数，y_d表示迭代学习控制的理想跟踪轨迹；步骤2，产生均匀随机整数l(1≤l≤D)，利用Levy随机游动方式进行巢穴位置更新，并以发现概率P(0<P<1)舍弃迭代控制输入所述Levy随机游动方式表示为其中，η表示初始搜索步长，为k+1次迭代学习时第g代搜索的最优解对应的维度l数值，和分别代表k+1次迭代学习时进化至第i代和第i+1代时的第j个候选解和对应的维度l数值，表示点对点乘法，L(λ)表示Levy随机游动搜索路径，其表达式如下：其中，λ＝1.5,且θ,v服从标准高斯分布，即θ,v～N(0,1)；步骤3，采用偏好随机游动方式产生一组迭代控制输入，所述偏好随机游动方式表示为比较控制缩放系数w(w～U(0,1))与发现概率P的大小，若w>P则保持当前迭代输入不变；若w<P，用偏好随机游动方式产生的迭代控制输入替换步骤2中被舍弃的迭代控制输入其中，和分别代表k+1次迭代学习时进化至第i代时两个随机迭代控制输入和对应的维度l数值；步骤4，计算步骤3中种群产生的迭代控制输入对应的迭代学习控制适应度值更新步骤3中的当前最优解为和当前最优迭代学习控制适应度值为步骤5，更改迭代学习控制适应度值为重复执行步骤2～4，直至迭代学习次数为k_m；其中，k_m表示迭代学习控制的最大迭代次数，β表示权重因子；步骤6，若满足最大进化代数M，则输出当前最优迭代学习控制适应度值及最优解并停止执行，否则转向步骤2继续执行。