[发明专利]一种基于迭代局部搜索和随机惯性权重的蝙蝠优化算法

摘要

本发明公开了一种基于迭代局部搜索和随机惯性权重的蝙蝠优化算法(Iterated local search and stochastic inertia weight bat algorithm,ILSSIWBA)，主要步骤包括初始化蝙蝠算法中的参数；更新脉冲频率、种群位置，并利用随机性权重更新种群速度；运行蝙蝠算法，得到最优解；在最优解的基础上，加入扰动，运用迭代局部搜索算法；判断是否满足全局最优解的判断条件？若满足，则得到全局最优解，算法结束。本发明所提方法主要解决现有蝙蝠优化算法易陷入局部最优、优化结果不稳定的问题，提高了优化算法的寻优精度和优化结果的稳定性。

主权项

一种基于迭代局部搜索和随机惯性权重的蝙蝠优化算法，其特征在于：主要包括以下步骤：步骤1：初始化蝙蝠算法中的参数：种群大小n，脉冲速率ri，响度Ai，迭代次数M，响度衰减系数α，脉冲速率增加系数γ，脉冲频率fi，脉冲频率范围[fmin,fmax]，种群位置Xi和种群速度Vi；步骤2：计算得到随机惯性权重ω；步骤3：更新脉冲频率fi、种群位置Xi，并利用所述随机惯性权重更新种群速度Vi；步骤4：生成的均匀分布随机数rand()>ri时，对当前最优解进行随机扰动，根据新解生成公式产生种群位置新解；步骤5：判断是否生成的均匀分布随机数rand()<Ai且f(Xi)＜f(Xm)？若是，则到步骤6；若不是，则到步骤7；步骤6：接受种群位置新解及其适应度值，根据脉冲速率更新公式和响度更新公式更新脉冲速率ri和响度Ai；步骤7：更新当前种群位置最优解Xm及其适应度值f(Xm)；步骤8：基于扰动公式，对当前种群位置最优解Xm进行扰动，得到中间状态X**；步骤9：对X**进行局部搜索，得到种群位置的局部极小值解X'm及其适应度值f(X'm)；步骤10：判断是否满足全局最优解的判断条件？若不满足，则回到步骤3；若满足，则到步骤11；步骤11：得到Xm＝X'm，f(Xm)＝f(X'm)；步骤12：判断是否m<M？若是，则回到步骤3；若不是，则到步骤13；步骤13：得到种群位置全局最优解及其适应度值，算法结束。