[发明专利]一种带能量周期性递减调控策略的改进栗翅鹰优化算法

权利要求书

1.一种带能量周期性递减调控策略的改进栗翅鹰优化算法，其特征在于，包括以下步骤：

S1：利用随机生成策略在解空间[LB,UB]产生N只栗翅鹰的初始位置；

S2：更新猎物能量状态E₀和跳跃强度J；

S3：更新能量周期性递减调控因子CD和猎物能量E；

S4：根据猎物能量E和逃跑成功率p的相对大小，执行栗翅鹰种群个体的位置更新及解有效性检验；

S5：计算栗翅鹰种群个体的适应度值，并按最优原则确定当前最优解和最优目标值；

S6：重复执行步骤S2～S6，直至迭代次数t达到T；

S7：返回最优解x*和最优目标值f(x*)。

2.如权利要求1所述的带能量周期性递减调控策略的改进栗翅鹰优化算法，其特征在于，所述步骤S1中，栗翅鹰种群个体的初始化位置记为x_i＝[x_i,1，x_i,2，…，x_i,D]，且有：

x_i,j＝LB(j)+(UB(j)-LB(j))×rand()

其中，i＝1,2,…,N表示栗翅鹰种群中的第i只栗翅鹰，j＝1,2,…,D表示待优化问题变量的第j个维度，LB(j)和UB(j)分别表示待优化问题解变量在第j维度上的有效取值下限和上限，rand()表示在区间[0,1]内随机生成的一个随机实数。

3.如权利要求1所述的带能量周期性递减调控策略的改进栗翅鹰优化算法，其特征在于，所述步骤S2中，猎物的能量状态E₀随迭代次数t在区间[-1，1]内动态更新，且有：

E_0,t＝2×rand()-1

其中，t＝1,2,…,T表示栗翅鹰种群迭代搜索的当前次数，而猎物跳跃强度J模拟自然界中猎物兔子的行为，表示猎物在避免被栗翅鹰捕捉时而逃跑过程中的随机跳跃强度，且在区间[-2，2]内动态更新，其计算式为J_t＝2×(rand()-1)。

4.如权利要求1所述的带能量周期性递减调控策略的改进栗翅鹰优化算法，其特征在于，所述步骤S3中，能量周期性递减调控因子CD随迭代呈周期性动态减小以保证猎物能量E总体上呈现出减小趋势，且有：

其中，k＝0,1,2,…表示能量周期性递减的周期数目，为一个预设整数值；k越小表示栗翅鹰优化算法越易于执行全局搜索过程，k越大表示栗翅鹰优化算法越易于执行局部搜索过程；

根据能量周期性递减调控因子CD可得改进栗翅鹰优化算法中的猎物能量E迭代更新的计算式为：

5.如权利要求1所述的带能量周期性递减调控策略的改进栗翅鹰优化算法，其特征在于，所述步骤S4中，

在猎物能量E的绝对值|E|≥1时，栗翅鹰优化算法执行全局探索过程，即栗翅鹰个体随机栖息在解空间[LB,UB]内，并依概率参照其他栗翅鹰或猎物位置进行位置更新，且有：

其中，x(t+1)和x(t)分别表示第(t+1)次和第t次迭代时栗翅鹰的位置向量，x_rabbit和x_rand分别表示当前猎物兔子和随机选中栗翅鹰的位置向量，r₁、r₂、r₃、r₄和p均为区间[0，1]内的随机数；

表示当前迭代时栗翅鹰种群中所有个体的位置平均向量，而当猎物能量|E|<1时，栗翅鹰优化算法则执行局部开采过程，即栗翅鹰个体以猎物能量E与0.5的相对大小和逃跑成功率p∈[0，1]与0.5的相对大小关系共产生4种不同的围捕猎物策略。