[发明专利]一种基于新型全局优化方法

权利要求书

1.一种基于新型全局优化方法，其特征在于，包括以下步骤：

(1)平衡优化算法初始化；其步骤1还包括求解平衡方程模型和构造平衡池和候选对象，

(2)莱维飞行优化更新规则。

2.根据权利要求1所述的基于新型全局优化方法，其特征在于：在步骤(1)中，所述求解平衡方程模型中模型如下：

使用质量平衡方程来描述控制体积中非反应性成分的浓度，质量平衡方程为控制体积过程中物体进入、离开和生成的质量守恒提供了基本物理原理，质量平衡的通用方程式如下：

其中V是控制体积，C是控制体积浓度，C_eq是在控制体积内没有任何生成的平衡态浓度，G是质量生成速率，表示质量变化速率，Q是流入和流出控制体积的体积流量，该式表明质量随时间的变化等于进入系统的质量减去离开系统的质量加上内部产生的质量，当达到零时系统达到平衡状态，求解质量平衡的微分方程有如下解：

其中，表示停留时间的倒数或者流失率，而F的计算表示如下：

G为生成速率，计算表示为

其中

r₁和r₂是[0,1]之间的随机数，是通过重复由式(6)得出的相同值来构造的，GCP表示生成速率控制参数，即生成项对更新浓度过程中做出贡献的概率。

3.根据权利要求1所述的基于新型全局优化方法，其特征在于：在步骤(1)中，所述构造平衡池和候选对象方法如下：

根据质量平衡方程的解，定义平衡浓度为从一个称为平衡池的池中随机选择的迄今为止最好的解决方案之一，平衡浓度即为解的第一项，平衡状态是算法的收敛状态，在优化过程初始阶段，平衡浓度是未知状态，

优化过程中的四个最佳粒子定义为候选对象，四个粒子浓度的算数平均值组成平衡池，候选对象的数量是任意的，可随优化问题类型的不同有所变化，此基础之上，平衡池的向量表示如下：

其中表示四个最佳粒子的浓度，表示粒子的平均浓度迭代过程中，每个粒子通过以相同概率选择的候选对象来更新其浓度。

4.根据权利要求1所述的基于新型全局优化方法，其特征在于：所述根据步骤2得到莱维飞行优化更新规则如下：

定义平衡浓度和候选对象后，不再依照式(2)的浓度更新规则，改进新的更新规则如下：

其中表示粒子的浓度，符号表示逐项相乘，rand表示[0,1]范围内的随机数，必须指出，只有3个有效值分别为：1，0和-1，Levy表示莱维飞行的随机游走方程，莱维飞行是一种随机游走类型，服从莱维分布的随机搜索方法，是一种短距离的搜索和偶尔较长距离的行走相交叉的行走方式，这种行走方式可以使得莱维飞行具有较好的全局搜索能力，莱维分布的方程如下：

Levy～u＝t^-λ,1＜λ≤3 (9)

其中λ＝1+β，利维飞行是随机行走的一种特殊类型，其步长的概率分布服从重尾分布，将莱维飞行步长定义为：

s表示利维飞行步长；u和υ定义如下：

其中α₀＝0.01、β＝3/2；u和υ从正态分布和中选择，为对LEO的测试结果进行全面的分析，实验共选取4种智能算法进行对比，分别为平衡优化算法EO、灰狼算法GWO、鲸鱼优化算法WOA、粒子群算法PSO，选择23个基准函数，并分为高维基准函数和低维基准函数，利用其各种特点来对4种智能算法进行多角度的测试和对比，此次算法测验中，为保证测试的有效性和准确性，每种算法在单个基准函数上分别独立运行30次，记录运行结果的最优值、最差值、平均值和标准差，所有的算法根据其标准差的大小进行排序，此种排序方式可以看出LEO算法的优劣性。