[发明专利]一种基于混合能级下降策略的多尺度量子谐振子优化方法

摘要

本发明公开了一种基于混合能级下降策略的多尺度量子谐振子优化方法,本发明流程中初始尺度(标准差)为目标函数定义域的大小，尺度下降操作每次将当前尺度减少一半，能级下降策略是结合最小二乘法预测策略和中值策略，使用最小二乘法预测策略利用采样点的信息对目标函数的形态进行估算，估算最优解的位置，替换当前最差解；使用中值策略计算当前采样点坐标的中值，替换当前最差解，选取两种策略中产生的较优的采样点,替换当前最差解,进行能级下降操作，对于当前采样点的信息利用更为充分，有效函数进化次数，引入的替换解质量更高，有效提高方法的计算精度，并加快方法的收敛速度。

主权项

1.一种基于混合能级下降策略的多尺度量子谐振子优化方法，其特征在于：包括如下步骤：S1、初始化，设定最小标准差的值σmin，设定标准差σs＝max‑min；在目标函数f(x)的定义域[min，max]内随机产生K个第一随机数xi，i＝1，...，l，...，k；S2、将标准差σs和K个第一随机数xi分别代入正态分布公式：按照正态分布公式在定义域[min，max]内分别生成相应的K个第二随机数x′i；S3、将K个第一随机数xi分别代入目标函数f(x)得到K个第一函数值f(xi)；将K个第二随机数x′i分别代入目标函数f(x)得到K个第二函数值，即f(x′i)；能级稳定过程：对于任意xi和x′i，若f(x′i)＜f(xi)，则将xi的值用x′i的值替换，其中i＝1，...，l，...，k；S4、能级下降过程：使用最小二乘法预测策略利用采样点的信息对目标函数的形态进行估算，估算最优解的位置，替换当前最差解；使用中值策略计算当前采样点坐标的中值，替换当前最差解；选取两种策略中产生的较优的采样点，替换当前最差解；S5、执行基态判据循环，当σk＞σs,则继续循环，σk为k个高斯采样中心位置的标准差，当σk＜σs，则更新标准差σs；S6、执行精度判据循环，当σs＜σmin，则输出最优解xbest和所对应的函数值f(xbest)。