[发明专利]基于二元群结构蟑螂仿生算法的实值优化方法

摘要

本发明公开了一种基于二元群结构蟑螂仿生算法的实值优化方法，将蟑螂种群根据蟑螂个体下标划分为若干子群；每次函数评价中，蟑螂个体随机地在整群或子群组成的二元结构中完成寻优计算，并通过贪婪选择策略完成蟑螂下一步行进位置计算，进而完成整个算法的最优解计算；本发明使用了全新的整群和子群寻优计算数学模型，并采用了一种新颖的二元种群拓扑结构，在保证多样性并且在全局和局部搜索之间做了一个有效的平衡，其寻优方案不同于已存在的蟑螂仿生算法或其他实值优化方法。

主权项

基于二元群结构蟑螂仿生算法的实值优化方法，其特征是：将蟑螂种群根据蟑螂个体下标划分为若干子群；每次函数评价中，蟑螂个体随机地在整群或子群组成的二元结构中完成寻优计算，并通过贪婪选择策略完成蟑螂下一步行进位置计算，进而完成整个算法的最优解计算；其包括如下步骤：步骤1：D维解空间内，初始化一个规模为N的蟑螂种群，种群中蟑螂个体i本质上为位置向量Xi＝(xi,1,xi,2,…,xi,D)，(i＝1,…,N)，初始阶段应尽可能的使种群中蟑螂均匀分布于整个解空间；步骤2：初始化子群规模为K，总迭代次数为G，蟑螂计数器i＝1，迭代技术器t＝1；步骤3：根据适应值函数f(X)(X∈RD)计算出当前种群中最优的蟑螂个体，并将其位置向量作为种群当前最优解Pg；步骤4：对于蟑螂i执行群追逐操作，发现新位置Fi；步骤5：对于蟑螂i执行贪婪选择操作，决定是否更新蟑螂i的当前位置Xi；步骤6：判断种群是否找到了更优解，找到则更新Pg；步骤7：如果i≤N，则执行：i←i+1，跳转至步骤4；否则，i←1，顺序执行步骤8；步骤8：如果t＝G，则执行步骤9；否则，转步骤4；步骤9：输出Pg作为算法输出结果。