[发明专利]一种基于QUATRE架构的人工智能全局优化方法

说明书

技术领域

本发明属于人工智能领域，尤其涉及一种基于QUATRE架构的人工智能全局优化方法。

背景技术

计算智能作为人工智能的一个分支，起源于20世纪中叶，其主要思想是通过计算机进行计算的方式与方法来研究复杂数据、观察实验进程，以及解决现实中传统数学公式及模型无法解决的复杂问题。模糊逻辑、人工神经网络、模因计算、进化计算、量子计算等均属于该领域。

其中在进化计算领域，主要有以下几个分支：遗传方法、学习分类系统、进化编程、进化策略、群体智能。其中，进化计算领域下的群体智能分支中的各种方法通过模拟自然启发的生物种群进化方式来实现复杂问题的求解，并且由于该分支中的大多数方法简单易用、功能强大，从而被研究人员应用在大量的工程及实际应用中。

另外，群体智能分支下非常著名的方法如差分进化、粒子集群优化方法等，其发展趋势可以归纳为以下几个方面：(1)构建新的粒子间的拓扑关系，通过更好的拓扑关系架构达到更好的结果，其拓扑关系大致有以下几类：(A)静态拓扑结构、(B)动态拓扑结构、(C)自适应种群拓扑结构和(D)集合种群拓扑结构；(2)提供自适应的参数调节方式，即减少繁琐的参数调节任务的同时，对特定问题提供更好的自适应参数；(3)引入其他方法，采用混合策略以提高方法效果；(4)采用小生境技术、分群技术等。然而，上述方法在人工智能方面经常会陷入“解空间”的局部最优值，这是由于在搜索空间的不匀均搜索造成的，并且上述方法需要大量的参数设定，这使得研究复杂数据时会非常复杂、耗时长。

发明内容

为了解决上述技术问题，本发明的目的在于提出一种人工智能领域中群体智能分支下的新的进化架构，其不仅能通过实现“解空间”的均匀搜索来达到全局优化的目的，从而消除差分进化方法和粒子集群方法中存在的缺陷，还能够通过更少的参数设定，来降低本方法在实际应用中的实现复杂性。

本发明为解决其技术问题所采用的技术方案如下：

一种基于QUATRE架构的人工智能全局优化方法，所述方法包括如下步骤：

S1、建立拟仿射变换进化架构，所述拟仿射变换进化架构的变换形式为：其中X为粒子种群，M为布尔型进化矩阵，为对M取反的关联进化矩阵，B为变异矩阵，表示矩阵之间元素的按位相乘；

S2、设置拟仿射变换进化架构的评价函数f(X)、全局最优值f*、迭代阈值Δf、调用评价函数的最大次数max_nfe以及进行迭代的条件，并对进化架构进行初始化，所述初始化包括初始化粒子种群X为X＝X_G＝[X₁,X₂,……,X_ps]^T_G,G＝1，ps为粒子种群X中的粒子数，初始化调用评价函数的次数nfe＝ps，由初始进化矩阵M_init得到布尔型进化矩阵M以及关联进化矩阵通过计算评价函数f(X_G)的最优值f(X_gbest，G)得到G次迭代中粒子种群X_G的当前最优粒子X_gbest，G；

S3、判断是否满足进行迭代的条件，若满足进行迭代的条件，则继续执行以下步骤，若不满足进行迭代的条件则停止；

S4、计算变异矩阵B，由变异矩阵B、布尔型进化矩阵M和关联进化矩阵根据拟仿射变换进化架构得到粒子种群X_G的下一代粒子种群X_G+1；

S5、更新调用评价函数的次数nfe＝nfe+ps，并更新下一代粒子种群X_G+1，其中更新下一代粒子种群X_G+1包括分别计算粒子种群X_G和下一代粒子种群X_G+1中每个粒子X_i,G和X_i,G+1的评价函数值f(X_i,G)和f(X_i,G+1)，并选择评价函数值较优的粒子为下一代粒子种群X_G+1中对应的粒子，其中下标i表示粒子种群X中的第i个粒子，i∈[1,ps]；