[发明专利]一种具有能级激发机制的多尺度量子谐振子优化方法

摘要

本发明涉及计算智能领域，公开了一种具有能级激发机制的多尺度量子谐振子优化方法。通过在进行算法尺度下降前增加针对下一个尺度的能级激发操作：在系统从高能态迭代到基态时，以最优点位置为中心重新采样生成λ个新采样值，然后用新生成的采样值替代最优解中最差的λ个采样值，从而使算法在进行尺度下降后能进入下一尺度的量子谐振子的高能态，再次实现完整的高能态到基态迭代目的，这一改进使得算法的物理模型更加完善和使算法的运行过程与实际物理过程更加吻合，确保在尺度下降时及在保存当前较优解的同时增加了解的多样性。

主权项

1.一种具有能级激发机制的多尺度量子谐振子优化方法，其特征在于，包括如下步骤：S101.根据目标函数f(x)的定义域[LB,UB]确定初始的算法尺度σS＝UB‑LB，并接受指定的采样区域个数k、激发数目λ和优化收敛精度σMin，其中，σS和σMin为正实数，λ和k为自然数，并满足条件0＜λ≤k；S102.在所述定义域[LB,UB]内随机生成k个采样值xi(i＝1,2,3,…,k)，然后计算所有采样值xi的标准差σk；S103.若当前的算法尺度σS大于所述优化收敛精度σMin，则执行步骤S104，否则执行步骤S109；S104.若当前的标准差σk大于当前的算法尺度σS，则将能级稳定标识位Flagstable初始化为0，然后执行步骤S105，否则执行步骤S107；S105.若当前的能级稳定标识位Flag_stable等于0，则重置该能级稳定标识位Flag_stable为1，然后针对每个采样值x_i，分别按正态分布生成一个新的采样值x′_i，并在f(x′_i)＜f(x_i)时将采样值x_i替换为新采样值x′_i，即x_i＝x′_i，同时设置能级稳定标识位Flag_stable为0，最后返回执行步骤S105，否则执行步骤S106；S106.重新计算当前所有采样值x_i的标准差σ_k，并将对应目标函数f(x)的函数值的最大采样值x_worst替换为当前k个采样值x_i的平均值即x_worst＝x^mean，然后返回执行步骤S104；S107.以当前k个采样值xi中对应目标函数f(x)的函数值的最小采样值xopt为区域中心，在新区域[xopt‑hσS,xopt+hσS]的范围内按均匀分布x″j～U[xopt‑hσS,xopt+hσS]随机生成λ个新的采样值x″j(j＝1,2,3,…,λ)，然后将对应目标函数f(x)的函数值的最大λ个采样值xworst,j(j＝1,2,3,…,λ)逐一地替换为新采样值x″j，即xworst,j＝x″j，最后执行步骤S108，其中，h为倍率常数；S108.对当前的算法尺度σS进行缩小处理，然后返回执行步骤S103；S109.输出对应目标函数f(x)的函数值的最小采样值xbest及对应的目标函数结果f(xbest)。