[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

说明书

技术领域

本发明涉及智能优化算法领域，尤其涉及一种基于迭代局部搜索和随机惯性权重的蝙 蝠优化算法方面。

背景技术

蝙蝠优化算法是杨新社教授2010年基于群体智能提出的一种搜索全局最优解的启发 式优化算法。该算法是根据自然界中蝙蝠利用超声波来探测猎物、躲避障碍物的特点发展 而来的一种全局优化算法。它具有需要调整的参数少、求解速度快、精度高等特点。目前， 蝙蝠优化算法已被成功的运用于建模、优化、控制等多个领域。

针对蝙蝠优化算法也存在易陷入局部最优等问题，有学者将模拟退火思想引入蝙蝠优 化算法中，并对算法中的某些个体进行高斯扰动，这样能够增加算法的全局收敛性和精度； 有学者提出带有高斯变异的混合蛙跳蝙蝠算法，在保持基础蝙蝠算法具有较强全局搜索能 力的同时，增强算法的局部搜索能力；也有学者提出了一种定向蝙蝠算法，该算法考虑通 过蝙蝠之间的声波通讯改变搜索方向、在最优解的产生公式处增加权重、限制脉冲速率和 响度的范围等改进方法。

但是上述优化算法通过采用与其他智能算法结合或限制脉冲速率和响度的方法，使得 其在面对复杂函数时跳出局部最优的能力还有待进一步提高；另外，上述方法均只考虑了 算法会陷入局部最优的问题，忽略了算法优化结果受初始值的影响较大，存在优化结果不 稳定的情况，整体上优化效果不太理想。因此，蝙蝠优化算法如何有效地防止基础蝙蝠算 法陷入局部最优且得到稳定的优化结果，是一个值得深入研究的问题。

发明内容

针对上述的现有蝙蝠优化算法易陷入局部最优、优化结果不稳定的技术缺陷，本发明 提供了一种基于迭代局部搜索和随机惯性权重的蝙蝠优化算法。该算法的主要步骤为：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； 更新脉冲频率f_i、种群位置X_i，并利用随机性权重更新种群速度V_i；运行蝙蝠算法，运用 蝙蝠算法，得到当前种群位置的局部最优解；在局部最优解的基础上，运用迭代局部搜索 算法；满足全局最优解的判断条件时，得到全局最优解，算法结束。

进一步地，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。

进一步地，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。

进一步地，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；

进一步地，如公式(4)所示，运用所述随机惯性权重更新蝙蝠算法的种群速度：

其中，ω是随机惯性权重，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，X_m是当前最优位置，f_i是脉冲频率。

进一步地，所述种群位置的新解产生公式如公式(5)所示：

X_new＝X_old+εA^t (5)

其中，ε是[-1,1]的随机数，A^t是在这段时间内的平均响度。