[发明专利]一种基于混合能级下降策略的多尺度量子谐振子优化方法

权利要求书

1.一种基于混合能级下降策略的多尺度量子谐振子优化方法，其特征在于：包括如下步骤：

S1、初始化，设定最小标准差的值σ_min，设定标准差σ_s＝max-min；在目标函数f(x)的定义域[min，max]内随机产生K个第一随机数x_i，i＝1，...，l，...，k；

S2、将标准差σ_s和K个第一随机数x_i分别代入正态分布公式：

按照正态分布公式在定义域[min，max]内分别生成相应的K个第二随机数x′_i；

S3、将K个第一随机数x_i分别代入目标函数f(x)得到K个第一函数值f(x_i)；

将K个第二随机数x′_i分别代入目标函数f(x)得到K个第二函数值，即f(x′_i)；

能级稳定过程：对于任意x_i和x′_i，若f(x′_i)＜f(x_i)，则将x_i的值用x′_i的值替换，其中i＝1，...，l，...，k；

S4、能级下降过程：使用最小二乘法预测策略利用采样点的信息对目标函数的形态进行估算，估算最优解的位置，替换当前最差解；使用中值策略计算当前采样点坐标的中值，替换当前最差解；选取两种策略中产生的较优的采样点，替换当前最差解；

S5、执行基态判据循环，当σ_k＞σ_s,则继续循环，σ_k为k个高斯采样中心位置的标准差，当σ_k＜σ_s，则更新标准差σ_s；

S6、执行精度判据循环，当σ_s＜σ_min，则输出最优解x^best和所对应的函数值f(x^best)。

2.根据权利要求1所述的一种基于混合能级下降策略的多尺度量子谐振子优化方法，其特征在于：所述步骤S4中，最小二乘法预测策略的实现过程为：

S401、从k个第一随机数x_i中随机选取n个采样点，分别映射到D维空间；

S402、对每一维度生成的n个采样点使用最小二乘法，求出其拟合二项式函数，通过拟合二项式函数估算当前维度的最优解x^leastsquare。

3.根据权利要求2所述的一种基于混合能级下降策略的多尺度量子谐振子优化方法，其特征在于：所述步骤S4中，中值策略的实现过程为：

S403、计算当前采样点坐标的均值x^mean。

4.根据权利要求3所述的一种基于混合能级下降策略的多尺度量子谐振子优化方法，其特征在于：所述步骤S4中，选取两种策略中产生的较优的采样点，替换当前最差解的实现过程为：

S404、比较当前维度的最优解x^leastsquare和当前采样点坐标的均值x^mean所对应的函数值f(x′_i)，选用两者中较优解对应的坐标x^mix；

S405、替换当前最差解x^worst＝x^mix。

5.根据权利要求4所述的一种基于混合能级下降策略的多尺度量子谐振子优化方法，其特征在于：所述步骤S5中，更新标准差σ_s为将当前标准差σ_s减小一半，即：