[发明专利]一种基于边缘计算的紧凑进化算法

权利要求书

1.一种基于边缘计算的紧凑进化算法，其特征在于，包括一下步骤：

步骤1：PV初始化，初始化概率向量PV；

步骤2：精英解的采样，随机采样多组精英解，代入适应度函数选择得到最优的精英解；

步骤3：变异，采用差分进化机制，对个体进行变异；

步骤4：交叉，采用差分进化机制，将变异后的向量与当前个体进行二项交叉操作，为选择做准备；

步骤5：选择，对父代个体和子代个体进行适应度评价，使适应度值较优的个体保留下来；

步骤6：PV更新，随着迭代次数的增加，PV会更新，PDF公式会随着PV的更新而更新；

步骤7：重启机制，进化产生的精英候选解如果在一定的迭代次数下不变时，保留当前精英候选解，启动重启机制，产生另外精英解作精英候选解比较；

步骤8：判断是否满足终止条件，若函数评价次数FESMAXFES，返回步骤3，其中FES是评价次数，MAXFES为最大函数评价次数。

2.根据权利要求1所述的一种基于边缘计算的紧凑进化算法，其特征在于，所述步骤1中PV初始化的过程为：

PV初始化：PV是一个n×2的矩阵；

PV^G＝[μ^G,σ^G] (1)

其中，μ是高斯概率分布函数的均值，σ高斯概率分布函数的标准差；G表示生成的次数，在开始优化时，对于每一个设计变量k，我们设置μ¹[k]＝0，σ¹[k]＝λ＝10；

为了模拟均匀分布，将σ[k]初始化。对于μ和σ，其更新如下：

其中，NP是种群规模；

算法对PV进行初始化后，从PV中进行采样，随机生成多组候选解。

3.根据权利要求1所述的一种基于边缘计算的紧凑进化算法，其特征在于，所述步骤2具体步骤为：

步骤2.1：在每代中，需要对解和精英进行采样，在本实验在变异操作中采用DE/rand/1的变异策略，则需要从PV中采样三个个体x_r1,x_r2,x_r3，三个个体的产生根据均值μ[k]和标准差σ[k]为特征的高斯分布的截断PDF高斯分布函数；

高斯分布函数PDF公式如下：

其中，erf是误差函数；

高斯分布函数PDF相对应的累积分布函数CDF公式为：

其中，erfinv是逆误差函数，即误差函数的反函数。x_r是PV产生的个体；

在采样时，必须对PDF[x_min,x_max]高度标准化，使其面积保持为1，即让PDF在区间[-1,1]内进行截断，为了得到原始区域的值，必须执行(6)操作：

步骤2.2：引入多组精英解，代入适应度函数选择得到最优的精英解；在rand/1/bin变异操作时产生三个个体，占据三个临时内存空间，即设计随机产生三个精英候选解，通过PV产生elite1，elite2，elite3；将其代入适应度函数，比较取最优精英为elite。

4.根据权利要求1所述的一种基于边缘计算的紧凑进化算法，其特征在于，所述步骤3变异产生子代的具体过程为：

变异：变异操作是对于NP的每个个体随机选取三个个体，通过计算两个个体向量之间加权差而得到的差分矢量，将差分矢量赋予权值后与第三个个体向量相加生成新的参数向量，称作变异矢量。

变异操作为：

其中，；是变异矢量，为差分矢量；x_r1，x_r2，x_r3是随机选取的三个个体，r1，r2，r3是1,2,…，NP之间是互不相等的随机数；F是缩放因子。