本發(fā)明涉及計(jì)算機(jī)科學(xué)和人工智能領(lǐng)域，具體來說涉及一種基于多策略的改進(jìn)浣熊優(yōu)化算法。

背景技術(shù)：

1、浣熊優(yōu)化算法(coa)是一種基于動物行為模擬的智能優(yōu)化算法，靈感來源于浣熊的覓食行為。浣熊在覓食過程中，展示了高度的靈活性和智能性，使得這一算法在解決復(fù)雜優(yōu)化問題時表現(xiàn)出色。盡管coa在解決一些復(fù)雜優(yōu)化問題上表現(xiàn)出色，但其仍存在一定的缺點(diǎn)和局限性。coa的收斂速度相對較慢，在高維搜索空間中，算法需要較多的迭代次數(shù)才能接近全局最優(yōu)解，從而增加了計(jì)算成本和時間消耗；coa容易陷入局部最優(yōu)解，當(dāng)面對多峰值優(yōu)化問題時，算法可能會過早地集中在局部區(qū)域，導(dǎo)致尋找全局最優(yōu)解困難；coa對參數(shù)設(shè)置高度敏感，不同的問題需要不同的參數(shù)調(diào)節(jié)，這增加了算法的復(fù)雜性和使用難度；coa在動態(tài)環(huán)境中的適應(yīng)性較差，其主要設(shè)計(jì)是基于靜態(tài)環(huán)境，難以快速響應(yīng)環(huán)境的變化，使其在實(shí)時優(yōu)化問題中表現(xiàn)不佳。

技術(shù)實(shí)現(xiàn)思路

1、針對現(xiàn)有技術(shù)中存在的缺陷，提供一種基于動物行為模擬的智能優(yōu)化算法，為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

2、一種基于多策略的改進(jìn)浣熊優(yōu)化算法，其特征在于包括以下步驟：

3、(1)混沌映射初始化種群位置；

4、(2)計(jì)算種群個體的適應(yīng)度值；

5、(3)更新種群的最優(yōu)個體位置；

6、(4)勘探階段，前一半種群引入非線性慣性權(quán)重因子計(jì)算與更新浣熊個體位置、適應(yīng)度值；后一半種群計(jì)算與更新鬣蜥位置與更新浣熊位置、適應(yīng)度值；

7、(5)開發(fā)階段，前一半種群引入自適應(yīng)t分布變異策略計(jì)算與更新浣熊個體位置、適應(yīng)度值，后一半種群引入麻雀警戒者機(jī)制更新浣熊位置、適應(yīng)度值；

8、(6)判斷迭代次數(shù)是否達(dá)到最大，如果滿足，則輸出全局最優(yōu)位置和最優(yōu)適應(yīng)度值；未滿足，則返回上述步驟繼續(xù)搜索。

9、作為優(yōu)選的，步驟(1)中，混沌映射為tent映射，公式為：

10、xi＝lb+(ub-lb)zi

11、

12、其中xi為第i只浣熊的位置，lb為變量邊界下限，ub為變量邊界上限，zi為混沌序列，α為常數(shù)，本發(fā)明取0.5；

13、作為優(yōu)選的，步驟(4)中，自適應(yīng)非線性慣性權(quán)重因子公式為：

14、

15、其中，t為當(dāng)前迭代次數(shù)，t為總迭代次數(shù)。

16、作為優(yōu)選的，步驟(5)中，自適應(yīng)t分布變異策略中自由度為：

17、

18、作為優(yōu)選的，步驟(5)中，引入麻雀警戒者機(jī)制，其公式為：

19、

20、其中，其中為當(dāng)前迭代下，第i個個體第j維位置，xbest是當(dāng)前的全局最優(yōu)位置。β作為步長控制參數(shù)，是服從均值為0，方差為1的正態(tài)分布的隨機(jī)數(shù)。k∈[-1，1]是一個隨機(jī)數(shù)，fi則是當(dāng)前浣熊個體的適應(yīng)度值。fg和fw分別是當(dāng)前全局最佳和最差的適應(yīng)度值。ε是一個常數(shù)，本發(fā)明取10-50，以避免分母出現(xiàn)零。

21、在上述技術(shù)方案中，本發(fā)明提供的一種基于多策略的改進(jìn)浣熊優(yōu)化算法，具有以下有益效果：

22、1、該發(fā)明，針對基本浣熊優(yōu)化算法初始解的質(zhì)量差且不均勻問題，引入混沌序列機(jī)制對位置初始化；使初始解位置分布更為均勻，產(chǎn)生優(yōu)質(zhì)初始解，增加種群豐富性。

23、2、該發(fā)明，勘探階段引入非線性慣性權(quán)重因子，協(xié)調(diào)浣熊算法的局部尋優(yōu)能力和全局搜索能力。

24、3、該發(fā)明，開發(fā)階段引入自適應(yīng)t分布變異，以增加低適應(yīng)度值高的個體種群的多樣性，提高算法跳出局部最優(yōu)值的能力。

25、4、該發(fā)明，開發(fā)階段引入浣熊警戒者更新機(jī)制，提升浣熊算法的警戒能力，使其在可選范圍內(nèi)進(jìn)行搜索，當(dāng)浣熊意識到危險時，群體邊緣的浣熊會迅速向安全區(qū)域移動，以獲得更好的位置，位于種群中間的浣熊則會隨機(jī)走動，以靠近其它浣熊。

技術(shù)特征：

1.一種基于多策略的改進(jìn)浣熊優(yōu)化算法，其特征在于包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于多策略的改進(jìn)浣熊優(yōu)化算法，其特征在于，步驟(1)中，混沌映射為tent映射，公式為：

3.根據(jù)權(quán)利要求1所述的一種基于多策略的改進(jìn)浣熊優(yōu)化算法，其特征在于，步驟(4)中，自適應(yīng)非線性慣性權(quán)重因子公式為：

4.根據(jù)權(quán)利要求1所述的一種基于多策略的改進(jìn)浣熊優(yōu)化算法，其特征在于，步驟(5)中，自適應(yīng)t分布變異策略中自由度為：

5.根據(jù)權(quán)利要求1所述的一種基于多策略的改進(jìn)浣熊優(yōu)化算法，其特征在于，步驟(5)中，引入麻雀警戒者機(jī)制，其公式為：

技術(shù)總結(jié)
本發(fā)明公開了一種基于多策略的改進(jìn)浣熊優(yōu)化算法，旨在處理某些高維復(fù)雜優(yōu)化問題時，會出現(xiàn)收斂速度慢、易陷入局部最優(yōu)等問題?；趥鹘y(tǒng)的浣熊算法，本發(fā)明提出的多策略的改進(jìn)浣熊優(yōu)化算法，通過引入混沌序列機(jī)制對位置初始化、勘探階段引入自適應(yīng)非線性慣性權(quán)重因子、開發(fā)階段引入自適應(yīng)t分布變異和麻雀警戒者機(jī)制等方法，有效地提高算法的全局搜索能力和收斂速度。本發(fā)明基于多策略的改進(jìn)浣熊優(yōu)化算法為函數(shù)優(yōu)化、工程設(shè)計(jì)優(yōu)化、機(jī)器學(xué)習(xí)參數(shù)優(yōu)化等復(fù)雜性問題提供了一種有效的優(yōu)化方案。

技術(shù)研發(fā)人員：劉吉慶,王艷,曹輝,段洪輝
受保護(hù)的技術(shù)使用者：湖南科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6