[发明专利]一种基于鲸鱼优化算法的大数据智能搜索方法及系统

权利要求书

1.一种基于鲸鱼优化算法的大数据智能搜索方法，其特征在于，包括以下步骤：

步骤1：读入用户的搜索条件，根据用户的搜索条件从引擎数据库中得到和用户输入关键词匹配的大数据，每个大数据是一头鲸鱼，鲸群中的第i个鲸鱼当前位置X_i，初始化鲸群的位置：i＝1,2,...,N，n表示维度，N表示鲸群大小；

步骤2：初始化鲸鱼优化算法所需的参数，包括鲸群大小N，对数螺旋形状常数b，当前迭代次数j，最大迭代次数M，整个鲸群全局最优位置为G；

步骤3：计算鲸鱼优化算法中鲸群的初始位置的适应度函数值，将适应度函数值评价最高的大数据作为当前鲸群个体最佳空间位置

步骤4：计算系数向量A和C；

步骤5：产生一个取值范围为[0,1]的随机数p，并根据p的取值选择不同的更新鲸群空间位置的方式；

步骤6：将更新后鲸群的位置向量解码成相应的大数据展现给用户，用户根据自己的搜索条件，为得到的大数据打分，作为适应度函数值；找到并保存当前群体中最佳鲸群个体X^*；

步骤7：通过比较更新前后鲸群的位置向量对应的适应度函数值，确定下一代鲸群的位置；

步骤8：记录符合度最高的大数据对应的鲸群位置为全局最优解G以及其适应度函数值；

步骤9：判断用户是否在引擎中找到了需要的文本文档；

若否，则令j＝j+1并回转执行步骤4；

若是，则输出最优鲸群个体适应度值及所处的位置X^*对应的大数据。

2.根据权利要求1所述的基于鲸鱼优化算法的大数据智能搜索方法，其特征在于：步骤3中，适应度函数值计算方式为将鲸群的位置向量解码成相应的大数据展现给用户，用户根据自己的搜索条件，为得到的大数据打分。

3.根据权利要求1所述的基于鲸鱼优化算法的大数据智能搜索方法，其特征在于，步骤4中所述系数向量A的计算公式为：

A＝2a×r-a

其中，r为取值范围在[0,1]之间的随机向量。

4.根据权利要求1所述的基于鲸鱼优化算法的大数据智能搜索方法，其特征在于，步骤4中所述系数向量C的计算公式为：

C＝2r

其中，r为随机向量，取值范围为[0,1]。

5.根据权利要求1所述的基于鲸鱼优化算法的大数据智能搜索方法，其特征在于，步骤5中所述更新鲸群空间位置的方式：

当p＜0.5时，若A＜1，更新当前鲸群个体的空间位置的公式为：

X_j+1＝X_j-A×D

其中，j为当前的迭代次数，X_j为当前鲸群个体空间位置，A和C为系数向量，为当前鲸群个体最佳空间位置；

当p＜0.5时，若A≥1，则从当前群体中随机选择鲸群个体位置X_rand，并更新当前鲸群个体的空间位置；更新当前鲸群个体的空间位置公式为：

X＝X_rand-A×D

D＝|C×X_rand,j-X_j|

其中，X_rand为当前鲸群中随机选择的位置，即随机鲸群个体；X_rand,j为当前鲸群中第j维随机选择的位置；

当p≥0.5时，更新当前鲸群个体的空间位置公式为：

其中，D′为鲸群第i头鲸目前最佳位置到猎物之间的距离，b为定义的对数螺旋形状常数，l为[-1,1]之间的随机数。

6.根据权利要求1-5任意一项所述的基于鲸鱼优化算法的大数据智能搜索方法，其特征在于，步骤7中所述确定下一代鲸群的位置的规则为：若更新后的鲸群的位置向量对应的适应度函数值高于更新前，则替换原先的鲸群；否则，保留更新前的鲸群；其中适应度函数值的计算方法同步骤3。

7.一种基于鲸鱼优化算法的大数据智能搜索系统，其特征在于：包括输入模块、鲸鱼优化算法初始化模块、适应度函数值模块、系数向量计算模块、鲸群空间位置更新方式选择模块、更新后的鲸群空间位置向量适应度值计算模块、下一代鲸群的位置确定模块、鲸群位置为全局最优解G以及其适应度函数值记录模块、判断模块；

所述输入模块：用于读入用户的搜索条件，根据用户的搜索条件从引擎数据库中得到和用户输入关键词匹配的大数据，每个大数据是一头鲸鱼，鲸群中的第i个鲸鱼当前位置X_i，初始化鲸群的位置：i＝1,2,...,N，n表示维度，N表示鲸群大小；

所述鲸鱼优化算法初始化模块：用于初始化鲸鱼优化算法所需的参数，包括鲸群大小N，对数螺旋形状常数b，当前迭代次数j，最大迭代次数M，整个鲸群全局最优位置为G；

所述适应度函数值模块：用于计算鲸鱼优化算法中鲸群的初始位置的适应度函数值，将适应度函数值评价最高的大数据作为当前鲸群个体最佳空间位置

所述系数向量计算模块：用于计算系数向量A和C；

所述鲸群空间位置更新方式选择模块：用于产生一个取值范围为[0,1]的随机数p，并根据p的取值选择不同的更新鲸群空间位置的方式；

所述更新后的鲸群空间位置向量适应度值计算模块：用于将更新后鲸群的位置向量解码成相应的大数据展现给用户，用户根据自己的搜索条件，为得到的大数据打分，作为适应度函数值；找到并保存当前群体中最佳鲸群个体X^*；

所述下一代鲸群的位置确定模块：用于通过比较更新前后鲸群的位置向量对应的适应度函数值，确定下一代鲸群的位置；

所述鲸群位置为全局最优解G以及其适应度函数值记录模块：用于记录符合度最高的大数据对应的鲸群位置为全局最优解G以及其适应度函数值；

所述判断模块：用于判断用户是否在引擎中找到了需要的文本文档；

若否，则令j＝j+1并回转执行步骤4；

若是，则输出最优鲸群个体适应度值及所处的位置X^*对应的大数据。