[发明专利]一种基于QUATRE架构的人工智能全局优化方法

摘要

本发明公开了一种基于QUATRE架构的人工智能全局优化方法，包括S1、建立拟仿射变换进化架构S2、设置拟仿射变换进化架构的评价函数、全局最优值、迭代阈值、调用评价函数的最大次数以及进行迭代的条件，并对进化架构进行初始化；S3、判断是否满足进行迭代的条件，若满足则继续执行以下步骤，若不满足则停止；S4、计算变异矩阵B，并根据拟仿射变换进化架构得到粒子种群XG的下一代粒子种群XG+1；S5、更新调用评价函数的次数和下一代粒子种群；S6、得到布尔型进化矩阵M以及关联进化矩阵由评价函数的最优值得到G+1次迭代中粒子种群的当前最优粒子并令G＝G+1后回到步骤S3进行判断。本发明参数少、效率高。

主权项

一种基于QUATRE架构的人工智能全局优化方法，其特征在于，所述方法包括如下步骤：S1、建立拟仿射变换进化架构，所述拟仿射变换进化架构的变换形式为：其中X为粒子种群，M为布尔型进化矩阵，为对M取反的关联进化矩阵，B为变异矩阵，表示矩阵之间元素的按位相乘；S2、设置拟仿射变换进化架构的评价函数f(X)、全局最优值f*、迭代阈值Δf、调用评价函数的最大次数maxnfe以及进行迭代的条件，并对进化架构进行初始化，所述初始化包括初始化粒子种群X为X＝XG＝[X1,X2,……,Xps]TG,G＝1，ps为粒子种群X中的粒子数，初始化调用评价函数的次数nfe＝ps，由初始进化矩阵Minit得到布尔型进化矩阵M以及关联进化矩阵通过计算评价函数f(XG)的最优值f(Xgbest，G)得到G次迭代中粒子种群XG的当前最优粒子Xgbest，G；S3、判断是否满足进行迭代的条件，若满足进行迭代的条件，则继续执行以下步骤，若不满足进行迭代的条件则停止；S4、计算变异矩阵B，由变异矩阵B、布尔型进化矩阵M和关联进化矩阵根据拟仿射变换进化架构得到粒子种群XG的下一代粒子种群XG+1；S5、更新调用评价函数的次数nfe＝nfe+ps，并更新下一代粒子种群XG+1，其中更新下一代粒子种群XG+1包括分别计算粒子种群XG和下一代粒子种群XG+1中每个粒子Xi,G和Xi,G+1的评价函数值f(Xi,G)和f(Xi,G+1)，并选择评价函数值较优的粒子为下一代粒子种群XG+1中对应的粒子，其中下标i表示粒子种群X中的第i个粒子，i∈[1,ps]；S6、由初始进化矩阵Minit得到布尔型进化矩阵M以及关联进化矩阵通过计算评价函数f(XG+1)的最优值f(Xgbest，G+1)得到G+1次迭代中粒子种群XG+1的当前最优粒子Xgbest，G+1，并令G＝G+1然后回到步骤S3进行判断。