[发明专利]一种群体智能优化算法青霉菌繁殖算法

权利要求书

1.一种群体智能优化算法青霉菌繁殖算法，其特征在于，包括步骤如下：

步骤1：初始化青霉菌繁殖算法的参数，设定算法总迭代次数、每轮迭代中种群中的个体数量、待优化问题的维度、搜索空间的上下界、负反馈因子的初始值以及局部搜索孢子LES的最大占比和最小占比；

步骤2：确定局部搜索孢子LES的数量，计算局部搜索孢子的适应度值，完成对孢子的局部搜索过程；

步骤3：确定全局搜索孢子GES的数量，完成孢子的全局搜索过程；

步骤4：对所有孢子所在位置的适应度值进行评估，具有最佳适应度值的位置会被保留用于下一轮迭代选定繁殖区；

步骤5：通过负反馈过程，记录适应度值的变化来调节算法的LES和GES的分配。

2.按照权利要求1所述的一种群体智能优化算法青霉菌繁殖算法，其特征在于：步骤1中初始化青霉菌繁殖算法的参数,将算法总迭代次数设定为T_iter，在每轮迭代中，种群中的个体数量设定为N，且待优化的问题的维度是M，搜索空间的上下界分别为UL、LL，负反馈因子FD的初始值为0；局部搜索孢子LES的最大占比和最小占比分别为0.9、0.4；在青霉菌繁殖算法的初始化过程，个体的各个维度的值均是介于上下界的随机数，共会产生N个孢子，其中具有最佳适应度值的个体位置会被保留作为下一轮迭代过程的基准。

3.按照权利要求1所述的一种群体智能优化算法青霉菌繁殖算法，其特征在于，步骤2中：

局部搜索孢子LES的数量N_{LES_t}通过公式(1)，(2)，(3)来确定；t代表的是当前迭代次数，R_s(t)是第t次迭代中LES的传播半径；

LES在第t轮迭代中的传播半径R_S(t)按照公式(4)进行计算

其中，δ和γ分别为贪婪因子和收缩因子，δ设置为1.1，γ设置为0.9；f_spore(t)为t轮迭代的适应度值；当孢子的适应度值小于前一代时，表示找到了更优的解，此时分生孢子会有一种贪婪的行为，扩大繁殖区的搜索，而当孢子的适应度值大于等于前一代时，表示孢子没有找到更适合繁殖的区域，由于青霉菌当前繁殖区营养资源消耗，青霉菌菌落规模变小，收缩因子的作用使得孢子的搜索范围减小。

4.按照权利要求1所述的一种群体智能优化算法青霉菌繁殖算法，其特征在于：全局搜索孢子CES的数量按照公式(5)进行计算：

N_{GES_t}＝N-N_{LES_t} (5)

在全局搜索过程中，算法随机选择孢子所在位置的一个维度，然后通过高斯分布生成的随机数调整该维度的值；该随机数由全局探索变量GEV生成，其遵循的高斯分布如下：

GEV～N(S(n)-R_s(t)，SD²) GEV≤S(n)-R_s(t) (6)

GEV～N(S(n)+R_s(t)，SD²) GEV≤S(n)+R_s(t) (7)

S(n)为某个孢子位置信息，S(n)±R_s(t)的运算符号的正负取决于孢子飞行的方向，正负号取到的概率是相同的；局部搜索过程中，孢子会落在(-R_s(t)，R_s(t))区间内，而在全局搜索过程中，CES会避开局部搜索的区域；其位置按照公式(8)或(9)计算得到：

S(n)_ρ＝Pos_ρ-R_s(t)-|N(0，SD²)| (8)

S(n)_ρ＝Pos_ρ+R_s(t)+|N(0，SD²)| (9)

GEV符合的高斯分布的标准差按照公式(10)进行计算；SD表示一个孢子全局搜索位置的调节参数，其变化会影响CES的搜索范围；