[发明专利]基于二元群结构蟑螂仿生算法的实值优化方法

权利要求书

1.基于二元群结构蟑螂仿生算法的实值优化方法，其特征是：将蟑螂种群根据蟑螂个体下标划分为若干子群；每次函数评价中，蟑螂个体随机地在整群或子群组成的二元结构中完成寻优计算，并通过贪婪选择策略完成蟑螂下一步行进位置计算，进而完成整个算法的最优解计算；其包括如下步骤：

步骤1：D维解空间内，初始化一个规模为N的蟑螂种群，种群中蟑螂个体i本质上为位置向量X_i＝(x_i,1,x_i,2,…,x_i,D)，(i＝1,…,N)，初始阶段应尽可能的使种群中蟑螂均匀分布于整个解空间；

步骤2：初始化子群规模为K，总迭代次数为G，蟑螂计数器i＝1，迭代技术器t＝1；

步骤3：根据适应值函数f(X)(X∈R_D)计算出当前种群中最优的蟑螂个体，并将其位置向量作为种群当前最优解P_g；

步骤4：对于蟑螂i执行群追逐操作，发现新位置F_i；

步骤5：对于蟑螂i执行贪婪选择操作，决定是否更新蟑螂i的当前位置X_i；

步骤6：判断种群是否找到了更优解，找到则更新P_g；

步骤7：如果i≤N，则执行：i←i+1，跳转至步骤4；否则，i←1，顺序执行步骤8；

步骤8：如果t＝G，则执行步骤9；否则，转步骤4；

步骤9：输出P_g作为算法输出结果。

2.根据权利要求1所述的基于二元群结构蟑螂仿生算法的实值优化方法，其特征是：所述步骤2子群划分，具体包括：子群规模为K，则每个蟑螂i按下标生成子群；K满足0＜K≤(N-1)/2；K＝5，则蟑螂i的子群为：{X_i，X_i+1，X_i+2,，X_i+3，X_K}。

3.根据权利要求1所述的基于二元群结构蟑螂仿生算法的实值优化方法，其特征是：所述步骤3计算出整个种群当前最优解，计算当前最优解公式如下：P_g⁰＝Opt{X⁰₁,…,X⁰_N}；上式中0表示算法处于初始化阶段。