[发明专利]一种结合爆炸策略、反向学习与蝙蝠算法的单目标优化问题方法及系统

摘要

本发明涉及一种蝙蝠算法及系统，属于数据处理领域，具体是涉及一种结合爆炸策略、反向学习与蝙蝠算法的单目标优化问题方法及系统。本发明在寻优过程中，通过对蝙蝠算法中的每只蝙蝠进行反向学习得到其反向种群，对两个种群进行精英选择，增加了种群的多样性并且提高了全局搜索能力，避免了局部最优解，在飞行过程中加入爆炸策略，提高了算法的局部勘探能力，更加精确的搜索到最优解。通过对12个典型测试函数和背包问题的仿真测试，证明了DGOBA对于求解连续和离散优化问题都有更高的效率。

主权项

1.一种结合爆炸策略、反向学习与蝙蝠算法的单目标优化问题方法，其特征在于，包括：步骤1：初始化算法参数，其中，所述算法参数包括：蝙蝠种群大小N，搜索脉冲的频率范围[fmin，fmax]，最大脉冲频度r0，最大脉冲音强A，音强衰减系数α，频度增加系数γ，最大迭代次数Max；在目标问题限定的搜索区域内随机初始化蝙蝠个体的位置xi(i＝1，…,N)，根据目标问题的评价函数找出当前群体中的最佳位置x*；步骤2：对当前种群进行随机的反向学习，产生反向种群，对原种群和反向种群进行精英选择，生成新的种群，将新的种群存储于内存中；步骤3：初始化搜索脉冲频率fi、脉冲频度r和脉冲音强A，计算蝙蝠的飞行速度vi，更新蝙蝠的空间位置xi，产生随机数rand1，如果rand1Ai并且蝙蝠所处位置得到改善，接受新的位置并移动至更新后位置，同时更新脉冲频度r和脉冲音强A；步骤5：根据移动后蝙蝠群体所处位置，找出当前佳蝙蝠；步骤6：重复执行步骤2‑6，直到达到终止条件并输出最终结果。