[发明专利]一种改进的生物地理学计算方法

说明书

本发明提供一种改进的生物地理学计算方法，初始化计算方法参数，初始化一组栖息地，计算相似度，并按相似度递增排列，挑选前S_max个栖息地构成初始种群，计算其适应度值，计算栖息地的迁入率和迁出率，执行迁移操作；计算栖息地的变异率，执行变异操作，计算栖息地的适应度值，判断计算方法是否达到最大迭代次数，判断计算方法是否以引入烟花计算方法爆炸算子，已引入则输出最优解，结束，否则，引入爆炸算子，设定爆炸半径和火花数量，产生一系列火花，计算火花适应度值，挑选适应度值高于种群的火花并进行替换。本发明在算法迭代开始改进了种群的初始化方式，提高了算法的全局覆盖能力；在迭代后期引入烟花算法爆炸算子，有利于跳出局部最优。

技术领域

本发明属于深度学习领域，具体涉及一种改进的生物地理学计算方法。

背景技术

生物地理学算法(Biogeography-based optimization，BBO)是由Dan Simon于2008年提出的一种群体智能算法。该算法的提出是在对生物物种迁移数学模型的研究基础上，借鉴其它放生智能优化算法的框架而形成的。与其它群体智能算法(如：遗传算法、粒子群算法等)相比，表现出了更优越的性能，因而得到了国内外算法研究以及工程领域许多学者的关注。

生物地理学数学模型主要描述了物种如何产生、灭绝以及迁移。在一个区域内，如果某个栖息地非常适合生物生存，在该栖息地就具有较高的生存适宜度，可以供养较多的物种。对于具有较高适宜度的栖息地，将最终表现为同种强势物种饱和，一部分物种选择迁出；如果一个栖息地的适宜度一直保持较低的水平，由于某种自然灾害的发生可能导致这一栖息地的物种灭绝，此时也会导致其他物种的大量迁入。同时，栖息地种群存在变异。

以单个栖息地的物种迁移为例：当物种种类为0时，物种的迁出率μ为0，迁入率λ最大；当物种种类达到S_max时，物种的迁入率λ为0，迁出率μ达到最大。定义P_s为某一栖息地具有物种种类S的概率，则在t到t+Δt内概率P_s的该变量为

P_s(t+Δt)＝P_s(t)(1-λ_sΔt-μ_sΔt)+P_s-1(t)λ_s-1Δt+P_s+1(t)μ_s+1Δt

式中：λ_s和μ_s为该栖息地在物种种类为S时的物种迁入率和迁出率。

假设Δt足够小，使得超过一类物种的迁入迁出忽略不计，则当Δt→0有以下式子成立

当物种迁移模型为线性迁移模型时，有

式中，E和I分别为最大迁出率和最大迁入率。

BBO算法可以表示为一个三元组：

BBO＝(I,ψ,T)

式中，I是一个产生初始生态系统的函数，并计算每一个栖息地的适应度；ψ为生态系统转移函数，首先计算每个栖息地的迁入率和迁出率，然后根据适宜度调整栖息地，最后执行变异操作，并重新计算栖息地的适应度值；T表示停止准则。

发明内容

本发明的目的在于提供了一种改进的生物地理学计算方法，克服了标准生物地理学算法具有后期收敛动力不足、易陷入局部最优等缺点。

本发明的目的是这样实现的：

一种改进的生物地理学计算方法，具体的实现步骤为：