[发明专利]自适应双子和声优化方法

说明书

技术领域

本发明涉及一种自适应双子和声优化方法，该方法前期可以增强局部搜索能力，后期可以改善搜索精度。同时通过两个子和声库的配合，扩大了搜索范围，可以较好的解决组合优化问题，在一定程度上提高了最优值的搜索能力，减少了迭代次数。

背景技术

基本和声搜索算法是最近问世的一种启发式全局搜索算法，在许多组合优化问题中得到了成功的应用。在音乐演奏中，乐师们凭借自己的记忆，通过反复调整乐队中各乐器的音调，最终达到一个美妙的和声状态。Z.W.Geem等受这一现象启发，将乐器i(1，2，......，m)类比于优化问题中的第i个设计变量，各乐器声调的和声Rj，j＝1，2，......，M相当于优化问题的第j个解向量，评价类比于目标函数。算法首先产生M个初始解(和声)放入和声(HM)记忆库(harmony memory)内，以概率HR在HM内搜索新解，以概率1-HR在HM外变量可能值域中搜索。然后，算法以概率PR对新解产生局部扰动，判断新解目标函数值是否优于HM内的最差解，若是，则替换之；以后不断迭代，直至达到最大迭代次数为止。

2001年Z.W.Geem人基于音乐和最优化问题的相似性提出了一种新的模拟非生物物理现象的启发式智能进化和声搜索算法(Harmony Search，HS)。该算法具有原理简单、求解速度快、鲁棒性强、通用性高的优点，是一种具有强大搜索能力的全局优化方法，已被成功用于工程方面的多个领域。相关研究表明HS算法在解决多维函数优化问题上，较遗传算法、模拟退火算法等有更好的优化性能，近年来该算法受到学术界的广泛关注。但在优化复杂函数时，HS算法存在后期易陷入局部最优、出现早熟收敛或收敛不稳定的现象。为了提高算法的优化性能，出现了各种不同思想的改进策略。Zong Woo Geem在2006年提出了一种改进的HS算法，在标准HS算法的基础上增加一个新的和声向量，通过与原有和声向量的协调合作，达到优化效果。Omran，Mahdavi等人于2008年提出了对HS算法中参数调整的全局搜索的HS算法(global-best harmony search，GHS)，提高了原算法性能。Prithwish Chakraborty等人于2009年提出基于杂交变异的HS算法，提高了原算法的全局搜索能力。Majid Jaberipour等人于2010年提出了对HS的改进算法，主要通过调整HS算法中的扰动调节因子，提高算法收敛率。上述方法均对HS算法有所改进，但在解决复杂函数优化问题时，没能进一步扩大全局的搜索范围，降低解的优化性。

有鉴于此，特提出本发明。

发明内容

本发明的目的在于克服现有技术的不足，提供一种自适应双子和声优化方法，该方法前期可以增强局部搜索能力，后期可以改善搜索精度。同时通过两个子和声库的配合，扩大了搜索范围，可以较好的解决组合优化问题，在一定程度上提高了最优值的搜索能力，减少了迭代次数。

为解决上述技术问题，本发明采用技术方案的基本构思是：

一种自适应双子和声优化方法，其步骤如下：

(1)初始化和声记忆库，产生初始解，放入和声记忆库内；

(2)将上述初始解等分为两组，分别为主子和声库和辅子和声库，分别确定主子和声库和辅子和声库的音调微调概率和音调微调带宽；

(3)判断算法收敛准则是否满足，若不满足，进入步骤(4)。

(4)主子和声库迭代搜索得到主子和声库的新解、辅子和声库从主子和声库的相反方向迭代搜索得到辅子和声库的新解；

(5)用主子和声库的新解和辅子和声库的新解分别与步骤(2)中主子和声库和辅子和声库中的初始解进行比较并根据比较结果更新和声记忆库从而得到和声记忆库的全局最优解以及次全局最优解。

(6)每n次迭代监测一次全局最优解和次全局最优解是否发生变化，如果均没有变化，则重新设置和声记忆库的音调微调概率和音调微调带宽，进入步骤(4)；反之，进入步骤(7)；

(7)检查迭代停止准则，当迭代次数达到最大迭代次数时，停止迭代，否则重新设置和声记忆库的音调微调概率和音调微调带宽，进入步骤(4)。