[发明专利]一种基于多状态切换策略的群智能优化方法

权利要求书

1.一种基于多状态切换策略的群智能优化方法，包括如下步骤：

(1)输入优化问题的数学表达式，即目标函数f(x)，以及各决策变量的约束条件，其中x为决策变量，x的大小为1×D，即决策变量为D维；

(2)采用基于多状态切换策略的群智能优化方法对目标函数进行优化，得到搜索到的最优决策变量；

(2.1)输入并行优化的数量N，最大优化迭代次数T，当前迭代次数t＝0；

(2.2)初始化决策变量集X⁰，X⁰满足决策变量的约束条件，大小为N×D；

(2.3)初始化局部搜索步长系数α；

(2.4)初始化全局搜索步长系数β；

(2.5)初始化决策变量集X⁰对应的目标函数值集Y⁰，大小为N×1；

(2.6)初始化最优决策变量为最优决策变量搜索状态，其它所有的决策变量为局部搜索状态；

(2.7)计算剩余计算资源量

(2.8)局部搜索；

(2.9)全局搜索；

(2.10)最优决策变量搜索；

(2.11)搜索状态更新；

(2.12)将迭代次数t加1，判断此时t的值是否大于最大优化迭代次数T，如果大于T，则停止迭代，否则返回步骤(2.7)；

(3)输出最优决策变量及其对应的目标函数值；

2.根据权利要求1所述的基于多状态切换策略的群智能优化方法，其中步骤(1)的优化问题的数学表达式，表示为：

其中，x为决策变量，x的大小为1×D，f(x)为目标函数，g_i(x)与h_j(x)为决策变量的约束条件；

3.根据权利要求1所述的基于多状态切换策略的群智能优化方法，其中步骤(2.8)的局部搜索，采用以下步骤进行计算：

第一步，搜索，计算公式如下：

其中，为搜索后的第t代第i个决策变量，为第t代的第i个决策变量，K为剩余计算资源量，α为局部搜索步长系数，r为均匀分布的范围为(0，1)的随机变量，LD为局部搜索方向，LD的计算公式如下：

其中，为目标函数在处的梯度，ε为趋近于0的极小正数。

第二步，约束，即如果搜索后的决策变量满足待优化问题的约束条件，则不做处理，如果不满足，则将限制在约束条件上。

4.根据权利要求1所述的基于多状态切换策略的群智能优化方法，其中步骤(2.9)的全局搜索，采用以下步骤进行计算：

第一步，搜索，计算公式如下：

其中，β为全局搜索步长系数，r为均匀分布的范围为(0，1)的随机变量，GD为全局搜索方向，GD的计算公式如下：

其中，为最优决策变量，r_norm为大小为1×D的随机单位向量(模为1)，·为向量点积运算符。

第二步，约束，即如果搜索后的决策变量满足待优化问题的约束条件，则不做处理，如果不满足，则在最优决策变量附近重新生成计算公式如下：

其中，为最优决策变量，r_norm为大小为1×D的随机单位向量(模为1)。

5.根据权利要求1所述的基于多状态切换策略的群智能优化方法，其中步骤(2.10)的最优决策变量搜索，计算公式如下：

其中，各参数与步骤(2.8)的局部搜索计算公式相同：

6.根据权利要求1所述的基于多状态切换策略的群智能优化方法，其中步骤(2.11)的搜索状态更新，其特征在于，采用以下步骤进行计算：

第一步，对所有处于局部搜索状态的决策变量作如下更新：

如果表明搜索后结果变优，则继续保持局部搜索状态，如果表明搜索后结果变差或不变，则切换为全局搜索状态。

第二步，对所有处于全局搜索状态的决策变量作如下更新：

如果则切换为局部搜索状态，如果则继续保持全局搜索状态。

第三步，切换当前决策变量中的最优决策变量为最优决策变量搜索状态。