[发明专利]一种群组信息共享的自适应群体智能算法候选解修正方法

摘要

本发明涉及计算智能领域，具体涉及一种群组信息共享的自适应群体智能算法候选解修正方法。本发明使用社会信息作为主要的指导来对候选解进行修正，同时在一定程度上保持个体经验。该方法通过计算高斯采样得到的多个参考点之间的位置关系，确定吸引因子的取值，从而自适应地确定个体和群体知识的影响。最大限度地纠正候选解决方案，同时个人经验需要作为自我判断而保持。以MQHOA算法为例，其采用高斯采样表示候选最优解的分布。因而，本方法使用高斯采样来产生用于修正的新参考点，通过候选解的历史最佳位置和整个种群的最佳位置用于确定采样中心的位置，而参考点之间的距离关系用于决定吸引因子的取值，从而决定对社会信息和个人经验的采纳比例。

主权项

1.一种群组信息共享的自适应群体智能算法候选解修正方法，其特征在于,包括以下步骤：A1：对随机初始化个体解x(i，j，t)进行高斯采样，生成基础参考点x′(i，j，t)；A2：读取历史最优位置xlb(i，j，t)、整个种群所有个体的最佳位置xgb(j，t)和基础参考点x′(i，j，t)；A3：计算当前位置和该个体历史最优位置的距离，结果用σlb(i，j，t)表示；A4：计算当前位置和种群历史最优位置的距离，结果用σgb(i，j，t)表示；A5：计算xlb(i，j，t)和σlb(i，j，t)经高斯采样后生成的个体最优参考点，结果用x′lb(i，j，t)表示；A6：计算xgb(j，t)和σgb(i，j，t)经高斯采样后生成的群体最优参考点，结果用x′gb(j，t)表示；A7：计算个体最优参考点与基础参考点之间的距离，用dlb(i，j，t)表示；A8：计算群体最优参考点与基础参考点之间的距离，用dgb(i，j，t)表示；A9：计算吸引因子a1，公式如下：A10：计算吸引因子a2，公式如下：A11：将dlb(i，j，t)和dgb(i，j，t)取绝对值，比较其大小；A12：通过dlb(i，j，t)和dgb(i，j，t)的绝对值大小关系绝对值选取修正解的计算公式，并根据计算公式计算修正解的值，修正解由x(i，j，t+1)表示；若|dgb(i，j，t)|＞|dlb(i，j，t)|，则修正解由以下公式计算：x′(i，j，t)+a1dgb(i，j，t)+a2dlb(i，j，t)；若|dgb(i，j，t)|＜|dlb(i，j，t)|，则修正解由以下公式计算：x′(i，j，t)+a2dgb(i，j，t)+a1dlb(i，j，t)；A13、输出修正解的值。