[发明专利]一种具有能级激发机制的多尺度量子谐振子优化方法

说明书

本发明涉及计算智能领域，公开了一种具有能级激发机制的多尺度量子谐振子优化方法。通过在进行算法尺度下降前增加针对下一个尺度的能级激发操作：在系统从高能态迭代到基态时，以最优点位置为中心重新采样生成λ个新采样值，然后用新生成的采样值替代最优解中最差的λ个采样值，从而使算法在进行尺度下降后能进入下一尺度的量子谐振子的高能态，再次实现完整的高能态到基态迭代目的，这一改进使得算法的物理模型更加完善和使算法的运行过程与实际物理过程更加吻合，确保在尺度下降时及在保存当前较优解的同时增加了解的多样性。

技术领域

本发明属于计算智能领域，具体涉及一种具有能级激发机制的多尺度量子谐振子优化方法，可广泛应用于工业、经济或科学等技术领域。

背景技术

多尺度量子谐振子优化方法是一种基于量子谐振子波函数的概率解释构造出来的、可解决单峰全局优化问题的计算智能方法。多尺度量子谐振子算法(MQHOA)的完整模型描述最早是在现有文献《多尺度量子谐振子高维函数全局优化算法》(电子学报，2013,12,41(12)，2468-2473)中所提出的，在该文献中，每次迭代需要完成k×m个采样点的全局比对，这种全局比对方法每次需要比对的采样点数较多，导致计算效率很低，不能实现高维优化，并且容易由于迭代不充分，还可能造成过早收敛。

现有公开专利201610076466.9(即《一种多尺度量子谐振子多模优化并行系统及方法》)，基于MQHOA算法进行改进，虽然可使算法能有效地解决多峰函数，但是依然存在算法迭代次数过多和计算效率低的问题，对基础算法本身并没有明显改进。

现有公开专利201610075134.9(即《一种多尺度量子谐振子优化系统及方法》)和文献《具有能级稳定过程的MQHOA优化算法》(通信学报，2016,37(7)；79-86)，通过引入能级稳定过程改进了MQHOA算法，提出了具有能级稳定过程的MQHOA优化算法，这一改进大大提高了MQHOA算法的计算效率，实现在高维函数的快速优化。但由于其算法过程是由三重迭代过程构成，同时每次迭代时都需要采用算法的能级下降判据判断两次能级稳定操作之间k个高斯采样中心位置的标准差σ_k之差(Δσ_k＝|σ_k-σ′_k|)是否小于当前尺度，这一做法使算法结构复杂化，并使算法的计算效率下降。

现有公开专利201710237675.1(即《一种具有内在并行能力的尺度量子谐振子优化方法》)，虽然提高了算法的并行性，但由于其仍然包含三重迭代过程，基础算法效率并没有得到明显提高。

以上现有方法均存在没有有效构造高能级量子态的问题，从而使每一个尺度下的量子谐振子迭代过程不充分，从而丢失对全局最优的搜索，这一缺陷将直接导致算法性能下降。

发明内容

为了解决现有技术存在的上述问题，本发明目的在于提供一种具有能级激发机制的多尺度量子谐振子优化方法。

本发明所采用的技术方案为：

一种具有能级激发机制的多尺度量子谐振子优化方法，包括如下步骤：

S101.根据目标函数f(x)的定义域[LB,UB]确定初始的算法尺度σ_S＝UB-LB，并接受指定的采样区域个数k、激发数目λ和优化收敛精度σ_Min，其中，σ_S和σ_Min为正实数，λ和k为自然数，并满足条件0＜λ≤k；

S102.在所述定义域[LB,UB]内随机生成k个采样值x_i(i＝1,2,3,…,k)，然后计算所有采样值x_i的标准差σ_k；

S103.若当前的算法尺度σ_S大于所述优化收敛精度σ_Min，则执行步骤S104，否则执行步骤S109；