[发明专利]一种群体智能优化算法青霉菌繁殖算法

说明书

本发明属于优化算法领域，提出了一种新型的、具有杰出寻优能力的群体智能优化算法——青霉菌繁殖算法。青霉菌繁殖算法可以分为孢子的局部搜索过程，孢子的全局搜索过程，孢子的选择策略以及负反馈调节过程。孢子的局部搜索可以使算法快速收敛，全局搜索过程可以有效的避免局部最优解的发生，选择策略可以选择出具有最佳适应度值的解，是一种择优的过程。负反馈调节过程则是根据历代的适应度值变化来调节整个搜索过程，可以在局部最优发生时有效的跳出局部最优的情况。本发明借鉴了青霉菌的繁殖过程，算法易于理解，具有杰出的寻优能力，可以结合具体的场景进行应用。

技术领域

本发明涉及智能优化算法领域，特别涉及一种新型的群体智能优化算法青霉菌繁殖算法。

背景技术

自然启发式计算是一类元启发式算法，其灵感来源于一些自然现象，包括生物现象、物理现象、化学现象等等。它们被广泛应用于科学研究和工程领域中，以解决一些复杂的优化问题。在自然启发式计算中，群体智能是非常重要的一个分支，是指一个群体中的个体通过合作、竞争、学习等行为，在没有集中控制和全局模型的情况下能够搜索复杂优化问题的解。粒子群优化算法(PSO)经典的群体智能算法，其基本概念来源于鸟类觅食行为研究。PSO使用信息共享机制，使每个个体都能从彼此的经验中学习，从而促进整体发展。除此之外，蚁群优化算法(ACO)和人工蜂群算法(ABC)也是经典群智能算法的代表，分别受启发蚁群觅食行为和蜂群采蜜行为。

群体智能算法在各个的领域都有广泛的应用。例如，在网络中，群体智能算法可以用于负载均衡、计算卸载、路由等具体问题。在公知的技术中，《Optimising the powerusing firework-based evolutionary algorithms for emerging IoT applications》使用烟花算法优化集群构建以降低物联网网络中的能源消耗。《Application of New HybridJaya Grey Wolf Optimizer to Antenna Design for 5G Communications Systems》提出了一种基于灰狼优化器的群智能算法，应用于5G移动通信中两种不同天线的设计。《Multi-objective auto-regressive whale optimisation for traffic-aware routing inurban VANET》使用鲸鱼优化算法来解决路由过程中的多目标优化问题，提出了一种流量感知的路由协议。

群体智能算法能够有效地解决复杂问题的优化。目前提出的群体智能算法数量庞大，种类繁多，但它们往往调节的参数有很多，不便于理解，对于非专业人士而言，在使用算法时就受到了很大的局限性。

发明内容

本发明原创性的提出了一种群体智能优化算法青霉菌繁殖算法：青霉菌繁殖算法(penicillium propagation algorithm，简称为PRA)，用于连续函数优化问题。

青霉菌菌株成熟之后，一部分孢子会散落在菌株周围而另一部分则随风散落在更远的区域，PRA根据这种现象将分生孢子可以分为两种类型：局部搜索孢子(LES)和全局搜索孢子(GES)。在搜索的过程中，PRA会根据当前的适应度值调节孢子的搜索范围，局部搜索过程旨在使算法快速收敛，得到最优解，而全局搜索过程则是在更大的搜索空间内搜寻解，有效利用全局信息避免局部最优。负反馈过程用于调节整个搜索过程中LES和GES的分配，能够在发生局部最优解的情况时及时的跳出局部最优解。

该青霉菌繁殖算法具体包括如下步骤，

步骤1：初始化PRA的参数；