一种混合社会群体优化算法_王也.pdf
《一种混合社会群体优化算法_王也.pdf》由会员分享,可在线阅读,更多相关《一种混合社会群体优化算法_王也.pdf(4页珍藏版)》请在咨信网上搜索。
1、软件技术本栏目责任编辑:谢媛媛Computer Knowledge and Technology电脑知识与技术第19卷第6期(2023年2月)第19卷第6期(2023年2月)一种混合社会群体优化算法王也,曲会晨,林奕森(桂林航天工业学院,广西 桂林 541004)摘要:为了提高社会群体优化算法的整体性能,提出一种混合社会群体优化算法。在提高阶段,通过对最差个体进行反向学习,提高种群的搜索空间,从而使得种群整体能够快速的向最优解收敛;在获得阶段,通过Logistic映射产生混沌扰动,增大种群的多样性,从而能够增加算法跳出局部最优解的可能性。基于标准测试函数的实验研究结果表明改进算法整体提升了寻优
2、效果。关键词:社会群体优化算法;反向学习;混沌搜索;Logistic映射;优化中图分类号:TP301.6文献标识码:A文章编号:1009-3044(2023)06-0047-04开放科学(资源服务)标识码(OSID):0 引言社会群体优化算法(Social Group Optimization,SGO)在2016年,由学者Satapathy等人1提出的一种新兴群智能优化算法,该算法通过模拟社会成员在社会群体中学习能力和知识的过程,实现社会群体整体能力的提升。该算法与目前现有的优化算法相比,结构简单易懂、设置参数较少,对处理一些函数优化问题效果较好,Satapathy等人1证明了SGO算法在整体
3、性能上优于TLBO算法和GA、PSO、DE、ABC算法及改进算法。Anima Naik等人2通过将SGO算法与8种PSO改进算法对比,证明了SGO算法具有较好的解决多模态和数据聚类问题。刘亚军3等人通过将量子学习和多子群学习方法共同引入到SGO算法中,提出了基于多子群社会群体学习算法(MPSGO),并与目前热门的TLBO算法及其改进算法进行了比较,证明了其改进算法的有效性。在算法应用方面,Jiake Fang等人4提出了一种改进型社会群体优化算法(ISGO),并将该算法用于变压器故障诊断中。SGO算法目前已经还被应用到求解涂抹加强筋法的解析解5、脑 MRI 缺血性脑损伤分割6、皮肤黑色素瘤图像
4、评价7、云环境资源有效配置与任务调度8等众多领域中,并取得良好的效果。综上所述,虽然SGO算法从提出之日起就广受学者的欢迎,被广泛应用,并且也提出了一些改进算法,但是该算法在搜索最优解的过程中,算法的收敛精度和稳定性还有待提升。为此,本文提出一种混合社会群体优化算法(Hybrid Improved Social Group Optimization,HISGO)算法来提升算法的整体性能。在提高阶段,通过加入反向学习机制,扩大了种群搜索最优解的范围,使得算法能够快速收敛。在获得阶段,通过加入Logistic 映射,使种群产生扰动策略,从而防止种群因多样性丢失,而陷入局部最优。仿真实验表明,本文提
5、出的算法在算法收敛精度和稳定性方面都有明显提升。1 社会群体优化算法基本的社会群体算法的主要步骤分为提高阶段和获得阶段两部分。1.1 提高阶段在社会群体优化算法的提高阶段,社会群体成员以最优个体作为学习对象进行学习和提高。该阶段所产生的新个体按照式(1)产生。Xnewji=c*Xoldji+r*(Xjbest-Xoldji)(1)式中:c通常取值为01的随机数,代表每个个体在提高阶段自我反省系数,根据文献1可知,其在c取值为0.2时,算法效果达到最佳;r为01间的随机数;n 和 m 分别表示种群个数和维数,j=1,2,.,n,i=1,2,.,m;Xjbest为目前种群中最优个体的第j维向量;X
6、oldji表示第i个个体第j维向量还未进行提高阶段的值;Xnewji表示进行完提高阶段第i个个体第j维向量。收稿日期:2023-01-25基金项目:2022年度广西高校中青年教师科研基础能力提升项目(项目编号:2022KY0789);2020年桂林航天工业学院校级项目(项目编号:XJ20KT19、XJ20KT18)作者简介:王也(1993),女,广西桂林人,初级,硕士,主要研究方向为信息安全、云计算、智能计算;曲会晨(1986),男,广西柳州人,通信作者,讲师,硕士,主要研究方向为信息安全、云计算、智能计算;林奕森(1988),男,广西贵港人,工程师,硕士,主要研究方向为物联网技术、云计算、智
7、能计算。E-mail:http:/Tel:+86-551-65690963 65690964ISSN 1009-3044Computer Knowledge and Technology电脑知识与技术Vol.19,No.6,February202347DOI:10.14004/ki.ckt.2023.0316本栏目责任编辑:谢媛媛软件技术Computer Knowledge and Technology电脑知识与技术第19卷第6期(2023年2月)第19卷第6期(2023年2月)社会群体成员Xi的能力值是否获得提升,通过适应度值函数f(Xi)来做评判标准;以最大化为标准下,如果f(Xnewi)
8、大于f(Xoldi)表示社会群体成员Xi在经历提高阶段后,其能力值获得提升,则用Xnewi更新Xoldi,否则不更新个体,保留Xoldi。1.2 获得阶段在社会群体优化算法的获得阶段,社会群体成员,通过目前种群中最优个体的引导,与社会群体其他成员之间进行相互交流学习的方式进行能力的获得和提升。该阶段所产生新个体按照式(2)产生。Xnewji=Xoldji+r1*()Xjbest-Xoldji+r2*()Xoldjk-Xoldjif()Xoldk f()XoldiXoldji+r1*()Xjbest-Xoldji+r2*()Xoldji-Xoldjkf()Xoldi f()Xoldk(2)式中:
9、r1和r2为01的随机数;Xoldji和Xoldjk分别为未进行获得阶段的第i和第k个个体的第j维向量;Xjbest为目前种群中最优个体的第j维向量;Xnewji表示进行完获得阶段第i个个体第j维向量。社会群体成员Xi的能力值是否获得提升,通过适应度值函数f(Xi)来做评判标准;以最大化为标准下,如果f(Xnewi)大于f(Xoldi),表示社会群体成员Xi在经历获得阶段后,其能力值获得提升,则用Xnewi更新Xoldi,否则不更新个体,保留Xoldi。2 HISGO社会群体优化算法存在设置参数较少、结构简单易懂、收敛能力强等优点;但根据文献1-4的仿真实验结果可知,算法还存在收敛精度、已陷入
10、局部最优解等问题。为此本文通过在算法的提高阶段和获得阶段,分别加入反向学习机制和Logistic映射产生的混沌搜索,来扩大最优解的搜索范围,并保持算法的种群多样性,避免算法陷入局部最优解,提升算法的精度和稳定性。从而整体上使社会群体优化算法的性能获得提升。2.1 反向学习策略反向学习(Opposition-Based Learning,OBL)是Tizhoosh9于2005年提出了一种通过同时比较当前解和其反向解,并从中择优选择的一种策略9。假设 n 维空间上一个解X=(x1,x2,.,xn),并且x1,x2,.,xn R,xi ai,bi,则 解 X 的 反 向 解X*=(x*1,x*2,.
11、,x*n),可由式(3)获得。x*i=ai+bi-xi(3)为保证社会群体优化算法种群的整体性能,提高搜索空间,在算法提高阶段更新种群后,根据式(3)对种群最差个体进行反向学习,产生反向学习个体,并用反向学习个体替代最差个体,从而扩大搜索最优解的范围,提升算法搜索到最优解的可能性。2.2 混沌搜索在社会群体优化算法搜索最优解的过程中,存在陷入局部最优解的现象。在算法寻优的过程中,通过增加种群的多样性的方式,有利于算法跳出局部最优解10。为此,本文通过产生相应的随机解的方式,对种群进行扰动,从而达到增加种群的多样性的目的,增加算法跳出局部最优解的可能性。本文采用Logistic映射产生混沌序列来
12、对种群进行扰动。Logistic映射公式如式(4)所示。zk+1=zk(1-zk)(4)式中:k=1,2,.,n表示混沌的序列的序列号,zk为区间(0,1)上的数,混沌序列z的第k+1个个体用zk+1表示,是可调参数,取值范围为0,4。2.3 算法实现流程综上所述,本文提出的HISGO算法的具体实现步骤如下:步骤一:初始化,设置社会群体中社会成员人数即种群个体数目m,社会成员需提升的能力个数即种群的维度n,算法最大迭代次数Tmax,并产生m n的初始种群;函数表达式f1()x=i=1Dx2if2()x=i=1D(k=1ixk)2f3()x=i=0D|xi|+i=1D|xi|f4()x=max|
13、xi|f5()x=i=1D-1100()xi-1-x2i2+(xi-1)2f6()x=i=1Dix4i+random(0,1)f7()x=i=1Dx2i4000-i=1Dxii+1f8(x)=418.9829*D-i=1Dxisin(|xi|)f9()x=i=1D-1()i-121+10sin2(i+1)+sin2()1+(D-1)21+sin2()2Di=1+xi-1D搜索解空间-100,100-100,100-10,10-100,100-30,30-1,28,1.28-600,600-500,500-10,10最优值000000000表1 标准测试函数48软件技术本栏目责任编辑:谢媛媛Co
14、mputer Knowledge and Technology电脑知识与技术第19卷第6期(2023年2月)第19卷第6期(2023年2月)步骤二:按照式(1)产生经过提高阶段后的新个体,并计算适应度值,当新个体适应度值优于旧个体时,则用新个体更新旧个体,反之不更新个体;步骤三:对提高阶段进行更新后的个体,按照式(3)对最差个体进行反向学习,产生相对应的反向学习个体,用反向个体替代最差个体;步骤四:按照式(2)产生经过获得阶段后的新个体,并计算适应度值,当新个体适应度值优于旧个体时,则用新个体更新旧个体,反之不更新个体;步骤五:对获得阶段进行更新后的个体,按照式(4)进行Logistic映射扰
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 混合 社会群体 优化 算法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。