[发明专利]一种基于迭代局部搜索和随机惯性权重的蝙蝠优化算法

权利要求书

1.一种基于迭代局部搜索和随机惯性权重的蝙蝠优化算法，其特征在于：主要包括以下步骤：

步骤1：初始化蝙蝠算法中的参数：种群大小n，脉冲速率r_i，响度A_i，迭代次数M，响度衰减系数α，脉冲速率增加系数γ，脉冲频率f_i，脉冲频率范围[f_min,f_max]，种群位置X_i和种群速度V_i；

步骤2：计算得到随机惯性权重ω；

步骤3：更新脉冲频率f_i、种群位置X_i，并利用所述随机惯性权重更新种群速度V_i；

步骤4：生成的均匀分布随机数rand()>r_i时，对当前最优解进行随机扰动，根据新解生成公式产生种群位置新解；

步骤5：判断是否生成的均匀分布随机数rand()<A_i且f(X_i)＜f(X_m)？若是，则到步骤6；若不是，则到步骤7；

步骤6：接受种群位置新解及其适应度值，根据脉冲速率更新公式和响度更新公式更新脉冲速率r_i和响度A_i；

步骤7：更新当前种群位置最优解X_m及其适应度值f(X_m)；

步骤8：基于扰动公式，对当前种群位置最优解X_m进行扰动，得到中间状态X_**；

步骤9：对X_**进行局部搜索，得到种群位置的局部极小值解X'_m及其适应度值f(X'_m)；

步骤10：判断是否满足全局最优解的判断条件？

若不满足，则回到步骤3；若满足，则到步骤11；

步骤11：得到X_m＝X'_m，f(X_m)＝f(X'_m)；

步骤12：判断是否m<M？

若是，则回到步骤3；若不是，则到步骤13；

步骤13：得到种群位置全局最优解及其适应度值，算法结束。

2.如权利要求1所述的一种基于迭代局部搜索和随机惯性权重的蝙蝠优化算法，其特征在于：融合迭代局部搜索、随机惯性权重和蝙蝠优化算法，形成基于迭代局部搜索和随机惯性权重的蝙蝠优化算法框架。

3.如权利要求1所述的一种基于迭代局部搜索和随机惯性权重的蝙蝠优化算法，其特征在于：利用公式(1)计算得到ILSSIWBA算法中的随机惯性权重ω：

ω＝μ_min+(μ_max-μ_min)×rand()+σ×randn()(1)

其中，μ_min是随机惯性权重系数的最小值，μ_max是随机惯性权重系数的最大值，rand()是均匀分布于[0,1]的随机数，σ是随机惯性权重与其均值之间的偏离程度，randn()是标准正态分布的随机数。

4.如权利要求1所述的一种基于迭代局部搜索和随机惯性权重的蝙蝠优化算法，其特征在于：利用公式(2)更新脉冲频率f_i，利用公式(3)更新种群位置X_i：

f_i＝f_min+(f_max-f_min)β (2)

其中，β是[0,1]的随机数，V_i^t和是在t时刻的速度和位置，V_i^t-1和是在t-1时刻的速度和位置。