[发明专利]一种结合爆炸策略、反向学习与蝙蝠算法的单目标优化问题方法及系统

权利要求书

1.一种结合爆炸策略、反向学习与蝙蝠算法的单目标优化问题方法，其特征在于，包括：

步骤1：初始化算法参数，其中，所述算法参数包括：蝙蝠种群大小N，搜索脉冲的频率范围[f_min，f_max]，最大脉冲频度r⁰，最大脉冲音强A，音强衰减系数α，频度增加系数γ，最大迭代次数Max；在目标问题限定的搜索区域内随机初始化蝙蝠个体的位置x_i(i＝1，…,N)，根据目标问题的评价函数找出当前群体中的最佳位置x^*；

步骤2：对当前种群进行随机的反向学习，产生反向种群，对原种群和反向种群进行精英选择，生成新的种群，将新的种群存储于内存中；

步骤3：初始化搜索脉冲频率f_i、脉冲频度r和脉冲音强A，计算蝙蝠的飞行速度v_i，更新蝙蝠的空间位置x_i，产生随机数rand1，如果rand1<r_i，则对处在最佳位置的蝙蝠进行爆炸操作；否则，对当前位置的蝙蝠进行爆炸操作；对于爆炸后得到的新位置根据步骤4决定是否更新当前蝙蝠的位置；

步骤4：产生随机数rand2，如果rand2>A_i并且蝙蝠所处位置得到改善，接受新的位置并移动至更新后位置，同时更新脉冲频度r和脉冲音强A；

步骤5：根据移动后蝙蝠群体所处位置，找出当前佳蝙蝠；

步骤6：重复执行步骤2-6，直到达到终止条件并输出最终结果。

2.根据权利要求1所述的一种结合爆炸策略、反向学习与蝙蝠算法的单目标优化问题方法，其特征在于，所述步骤2的具体实现包括以下步骤：

步骤2.1：利用式一，对原蝙蝠群体进行反向学习，得到其反向种群：

a_j(t)＝min(X_ij(t)) 式二

b_j(t)＝max(X_ij(t)) 式三

步骤2.2：对以上步骤产生的反向种群与原种群进行精英选择，产生新的种群，并更新种群最佳位置。

3.根据权利要求2所述的一种结合爆炸策略、反向学习与蝙蝠算法的单目标优化问题方法，其特征在于，式一中，k的取值为1/2。