[发明专利]一种基于边缘计算的紧凑进化算法

说明书

本发明公开一种基于边缘计算的紧凑进化算法，该算法会处理与所有进化算法相类似的统计描述，算法中不包含全部种群，但会将信息包含在分布函数中，需要时从函数中进行抽样便可。紧凑算法内存需求有限，但能有效地执行优化过程，这使紧凑进化算法适用于计算能力小的硬件环境。基于边缘计算的紧凑进化算法主要包括以下步骤，初始化概率向量，概率向量PV是n×2的矩阵。运用这种高斯模型进行采样，从而随机产生多组精英候选解；利用精英个体繁殖，针对种群中的目标向量，根据差分进化产生子代；再利用重启机制比较产生精英个体。本发明是引入多组精英候选解以及重启机制将二者结合，在占据较少的内存时提高算法收敛速度，提高算法有效性和正确性。

技术领域

本发明属于演化计算中的单目标优化研究领域，涉及一种基于边缘计算的紧凑进化算法。

背景技术

差分进化算法是现阶段代表性最强且性能最优的演化算法之一，是一种启发式搜索算法。DE算法与遗传算法类似，都是通过变异、杂交、自然选择等相关操作来实现“优胜劣汰”的进化机制，从而在第一迭代次数下得到相关问题的最优解。DE算法的收敛速度及稳定性优于多个常见的优化算法，但仍存在内存占据大、求解复杂问题时仍存在容易陷入局部最优、搜索具有一定的盲目性、后期收敛速度慢等问题，导致在大规模的工程应用中可行性差，这大大限制了其应用范围。

紧凑型进化算法，是一种进化算法(EA)，属于分布算法(EDA)的估计类别，这类算法与基于种群的算法行为相似但算法的实现只需要更小的存储空间。紧凑差分进化算法通过利用差分进化算法中典型的变异和交叉，重现其搜索逻辑，是一种高性能的紧凑算法。该算法虽然不会处理大量的解决方案，但会处理与所有进化算法相类似的统计描述，算法中不包含全部种群，但是会将所有信息包含在分布函数中，需要时从函数中进行抽样便可。cDE算法尽管内存需求有限，但仍能够有效地执行优化过程，这使cDE算法适用于以计算能力小为特征的硬件环境，故可以在边缘设备树莓派上很好地执行操作。

cDE算法虽然占据的内存较小，收敛速度快，能够很快地对优化问题进行求解，但其所求的解往往只是接近最优解，并不是理想解。因此，结合DE算法和cDE算法的优势，设计优化后的紧凑差分进化算法，即占据较小的内存，又可以得到最为理想的最优值的算法。

紧凑差分进化cDE算法与其他紧凑型算法一样，占据较小的内存空间，可以在内存空间有限的硬件环境中实现寻优过程，这使得紧凑差分进化算法可以有效应用在商用机器人等拥有较小计算能力的硬件设备中。

cDE算法不包含全部个体，但是会将信息包含在分布函数中，并在需要时从函数中进行抽样。它通过从概率分布中采样来选择临时后代个体的组合。同时该算法采用了幸存者选择方案，即一对一生成逻辑以及DE搜索逻辑，使得算法具有一定的随机性，有利于算法性能的提高。

和DE算法相比，cDE算法的优点是：占据内存较小，收敛速度快，具有较小的时间复杂度和空间复杂度，能够很快地对优化问题进行求解。其缺点有：所求的解往往只是接近最优解，不是目标函数真正的最优解。

因此，cDE算法的改进可以是在保留其占据内存空间小的特性基础上，使最后得到的最优解更加理想。

发明内容