[发明专利]径流算法

摘要

本发明公开了一种源于大自然径流规律的智能优化算法，属于优化方法领域。通过假定各径流分水线围成的区域近似长方形，从而形成以海拔、流域宽度、径流延伸位置所围成的三维立体空间。在径流算法中，用径流向前延伸的位置表示优化问题的解，径流的初始高度由待优化变量的可行区间长度决定，径流的初始宽度随机取一个很小的正值，每条径流性能的优劣程度一般取决于待优化问题目标函数确定的适应值。对非线性、非凸、不连续的典型优化问题，该算法具有很好高的求解效率，其实现简单，全局搜索能力强，收敛速度快，迭代次数相对较少，优化精度高，在执行过程中不增加约束条件。

主权项

一种径流算法，其特征在于，它包括以下步骤：1)参数初始化；确定群体规模m,一般选定几十条径流来寻优，对于较为复杂的问题可以适当增加种群规模，具体规模大小由具体优化问题决定；随机初始化每条径流的当前延伸位置和宽度，而高度初始化取各变量的可行区间长度；2)适应度值计算与个体极值、全局极值的确定；针对实际优化问题，制定相应的适应度评价函数，一般以待优化问题的目标函数为适应度值评价函数，对于含有等式约束或不等式约束的优化问题，可以引入罚函数，与目标函数共同组成适应度值评价函数，据此计算每条径流的当前适应度值；根据实际优化目标制定某种判断准则，一般是越小越优或越大越优准则，对每条径流根据预先制定的判断准则确定自己当前最佳位置，即个体极值，同时确定当前所有径流中的最佳位置，即全局极值；记录下目前每条径流的个体极值、全局极值、每条径流的适应度值与当前位置；3)数据更新；根据径流算法制定的每条径流宽度、高度、延伸位置修正准则，更新每条径流的延伸位置、宽度和高度；重新计算每条径流的当前适应度值、个体极值、全局极值；将每条径流的当前适应值与历史最优适应度值进行比较，如果当前较优，则更新历史个体极值与适应度值；重新确定径流群的当前全局适度应值，并与历史全局适应度值进行比较，如果当前较优，则更新当前的全局适应度值和全局极值；4)如果未达到预先设定的终止条件，通常设定高度降低为零时停止，则返回步骤2)，若达到迭代终止条件，则停止计算，最后输出结果。