买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：昆明理工大学

摘要：本发明涉及信息技术领域，且公开了一种基于多策略两阶段的竞争群优化方法，满足算法第一阶段的执行条件，对失败者粒子执行模糊搜索策略，对胜利者粒子执行自适应双方向采样策略，失败者粒子及其采样粒子向胜利者粒子进行学习，满足算法第二阶段的执行条件，失败者粒子向胜利者粒子进行加强收敛学习。该一种基于多策略两阶段的竞争群优化方法通过第一个进化阶段旨在如何高效的搜索整个空间，在此阶段，通过模糊搜索策略和自适应双方向采样策略两个策略的辅助下算法可以更高效地搜索整个空间，第二个进化阶段旨在进化的后期，适当提高种群收敛性，在此阶段，通过提出新的更新学习策略，以加速收敛，即使是当计算资源较少时，算法也能够达到较好的收敛效果。

主权项：1.一种基于多策略两阶段的竞争群优化方法，其特征在于：包括以下步骤：S1、初始化设置算法的基础参数，其中基础参数包括种群规模N、优化终止条件、第一阶段占整个进化阶段的比例Rate和步进加速度Acc；S2、初始化种群P和参考向量V；S3、随机从种群P中选择两个粒子进行竞争，适应度超出预设值的粒子为胜利者粒子，适应度低于预设值的粒子为失败者粒子，将选择到的两个粒子从种群P中删除；S4、满足算法第一阶段的执行条件FEmaxFERate，FE表示当前已经使用的计算资源，maxFE表示优化终止计算资源，对失败者粒子执行模糊搜索策略，对胜利者粒子执行自适应双方向采样策略，失败者粒子及其采样粒子向胜利者粒子进行学习；对失败者粒子执行模糊搜索策略包括以下步骤：S4.1.1、将进化过程划分为多个模糊子阶段；S4.1.2、通过对原始决策变量向量X进行模糊，来确定模糊搜索的上界Гu和下界Гl；S4.1.3、以粒子为中心，根据笛卡尔坐标将粒子的搜索方向划分为二维子空间；S4.1.4、失败者粒子及其采样粒子向胜利者粒子进行学习；对胜利者粒子执行自适应双方向采样策略，包括以下步骤：S4.2.1、采用基于位移的密度估计策略来计算每个粒子的适应度；S4.2.2、设置粒子p的当前位置为Xp，并生成其反向点Op；S4.2.3、将Xp设置为起点，从Xp点出发，向着下边界点L和反向点Op两个方向进行搜索；S4.2.4、对两个搜索方向上的采样解a1和a2进行计算S5、满足算法第二阶段的执行条件FEmaxFE≥Rate，FE表示当前已经使用的计算资源，maxFE表示优化终止计算资源，失败者粒子向胜利者粒子进行加强收敛学习；所述步骤S5中失败者粒子向胜利者粒子进行加强收敛学习的具体步骤如下：S5.1、通过对种群中的所有粒子执行非支配排序，将第一前沿的粒子作为种群中的最优粒子Gbest；S5.2、从Gbest中随机选择一个粒子，记为粒子g；S5.3、失败者粒子的更新策略如下：vlt+1＝r0*vlt+r1*[xwt-xlt]+ψ*r2*[xgt-xlt]xlt+1＝xl+vlt+1+r0*[vlt+1-vlt]其中，xwt表示第t次迭代后种群中胜利者粒子位置，xlt表示第t次迭代后种群中失败者粒子位置，xgt表示第t次迭代后种群中g粒子的位置，xlt+1表示第t+1次迭代后种群中失败者粒子位置，r0、r1和r2分别表示三个不相同的在0到1之间的随机数，vlt表示第t次迭代后种群中失败者粒子的速度，vlt+1表示第t+1次迭代后种群中失败者粒子的速度，ψ是粒子xg的控制参数；S6、胜利者粒子及其采样粒子和更新后的失败者粒子及其采样粒子都采用多项式变异的方式进行变异，将变异后的粒子都放入新种群P'中；S7、重复S3到S6，直到访问当前种群P中的所有粒子；S8、执行环境选择，生成下一代种群；S9、重复步骤S3到步骤S8，直至满足算法终止条件；S10、输出给定为题的最终优化解。

全文数据：

权利要求：

百度查询： 昆明理工大学 一种基于多策略两阶段的竞争群优化方法