[发明专利]一种基于章鱼学习记忆系统仿生的混合进化方法

说明书

本发明公开了一种基于章鱼学习记忆系统仿生的混合进化方法，首先设定个体编码及初始化种群，然后构建学习记忆网络：使用两个网络S和V，S作为感知网络，用于模拟第一扇出突触层，V网络作为记忆网络，与垂直叶结构的扇入突触层相对应，再根据学习记忆网络中的值来选择个体，之后进行个体交叉；最后按照高低位突变概率进行个体变异操作：本发明引入了学习记忆网络去选择个体，剔除已经确定是局部最优区域的个体，可以有效抑制种群个体陷入已经搜索过的区域，能加快种群进化速度和有效跳出局部最优解。

技术领域

本发明属于自动化技术领域，特别涉及一种基于章鱼学习记忆系统仿生的混合进化方法。

背景技术

章鱼是海洋中的智者，具有独特的垂直叶结构，这些结构能处理多峰感官信息和建立记忆轨迹，可以感知并快速学习其世界的复杂特性，并以特有的创新方式解决了问题，但是很多关键细节仍然是未知的，对中枢神经系统的研究相对滞后。章鱼利用神经系统感知环境反馈，做出评价后进行下一个动作，当进攻失败时，它可以很快学习并长时间记忆以限制这种行为，达到趋利避害和高效获取食物的目的。通过神经感知，基因编辑和行为记忆等独特方式，让章鱼能够快速的适应环境和快速的学习更多技能，如打开瓶盖逃跑、伪装外表和适应温度变化等等。

进化算法是一种模拟自然界生物进化的全局随机搜索算法，不需要先验知识，具有全局搜索性能强的特点，能够处理不连续，不可微等问题。但是进化算法也存在着一些不足之处，如局部搜索能力弱和对复杂函数容易陷入局部最优点，自适应调节能力差。

该研究的不足之处为：该算法在开始阶段用蚁群算法搜索局部最优区域的最优个体，增加网络个数会使得程序开始的种群迭代次数较慢。

本发明方法适用于复杂生产调度，控制器优化设计，机器人路径规划，机器人逆运动学求解和图像处理等方面。

发明内容

针对现有技术中存在的不足，本发明提供一种章鱼学习记忆系统仿生的混合进化方法。

本发明方法受启发于章鱼垂直叶系统的介导复杂的学习和记忆行为功能，可以抑制先天攻击行为，快速学习并长时间限制这种行为，以解决复杂生产调度，控制器优化设计，机器人路径规划，机器人逆运动学求解和图像处理等方面存在的技术问题。通过对该算法的研究有助于进一步探究章鱼进化的关键细节和中枢神经系统的工作。

一种基于章鱼学习记忆系统仿生的混合进化方法，其步骤如下：

步骤(1)：设定个体编码及初始化种群，具体步骤如下：

一个RNA分子的核糖核酸由四个碱基组成，分别是胞嘧啶(C)，尿嘧啶(U)，腺嘌呤(A)和鸟嘌呤(G)，采用四个数字0(00)，1(01)，2(10)，3(11)来分别替代时胞嘧啶(C)、尿嘧啶(U)、腺嘌呤(A)和鸟嘌呤(G)。

步骤(2)：构建学习记忆网络：

章鱼独特的垂直叶系统是通过基本的扇出扇入两个突触层网络实现的，能处理感知信息和建立记忆,第一扇出突触层传入环境信息和自身姿态信息，在扇入突触层进行计算处理，并且扇入突触层具有记忆功能。使用两个网络S和V，S作为感知网络，用于模拟第一扇出突触层，对种群个体进行筛选并将筛选后的个体映射到S网络中，并记录该个体所在区域是否进行了局部搜索，V网络作为记忆网络，与垂直叶结构的扇入突触层相对应，通过局部搜索计算筛选后种群个体所在区域的最优解，并存储算法中个体所在区域的最优解，同时具有记忆功能，如对该区域进行过局部搜索，则将该区域的最优个体直接进行替换，无需重复计算。

步骤(3)：个体选择操作：

为了剔除局部最小点附近的种群个体，根据学习记忆网络中的值来选择个体，如果种群个体所在区域的评价值大于设定阈值，说明这个个体有可能进化成局部最优点，需要剔除，；同时为了保持种群的多样性，在进行选择的时候选择最优的最差的后十个个体组成新的种群进行后面的操作。