多样性指数和头脑风暴算法研究.docVIP

多样性指数和头脑风暴算法研究 　　摘要：头脑风暴算法是目前仅有的受人类社会性行为启发的优化算法，该算法和其它群体智能算法一样，存在执行效率低和收敛速度慢等缺点。首次定义了一个香农多样性指数来估算样本群落的多样性以及均匀性，并对原始头脑风暴优化算法进行多次初始化，从而有效加快算法后期的收敛性。利用6个标准测试函数对改进后的算法进行了可行性验证，统计分析后表明，该算法只要选择多样性及均匀性足够好的初始种群，就能显著减少迭代次数。改进后的头脑风暴算法在执行效率和收敛速度上都有所提高。 　　关键词：头脑风暴算法；多样性指数；均匀性；收敛速度 　　DOIDOI：10.11907/rjdk.172450 　　中图分类号：TP312 　　文献标识码：A文章编号文章编号2018）003007103 　　英文摘要Abstract：Brain storm is the only swarm intelligence algorithm with origin from modeling human activities， which can help solve some NP problems but often behaves odd and converges slowly. To overcome its shortcomings， a new idea of diversity index arising from ecology is introduced for brain storm optimization， which will measure diversity and uniformity of a solution group， and help us select a good starting point for optimization. Simulation tests with 6 benchmark functions have been conducted， and results show that the improved brain storm optimization with diversity index can speed up convergence and reduce number of iterations significantly. 　　英文关键词Key Words：brain storm； diversity index； uniformity； convergence rate 　　0引言 　　群体智能算法是一种基于随机搜索机制的优化方法，具有灵活应对群体内部和外部搜索环境变化的能力，即当搜索条件多变或自身的某些个体失败时，能够自组织逃离并发现更优的位置。群体智能算法与传统的完备算法相比，尽管不一定能找到最优解，但可以确保在短时间内找到较优质的解。由于其在解决优化问题上具有独特的优势，群体智能算法应用于很多实际问题中，如机器人控制、无人驾驶交通工具、社会性行为预测、通信网络加强、医学图像处理等。然而这些算法常常存在易陷入局部最优、早熟或收敛过慢等问题。 　　大多数经典算法是受低等生物的社会性行为启发的，但长期没有由人类的社会行为启发而提出的智能算法。2011年史玉回[12]提出了头脑风暴优化算法。头脑风暴优化算法是一种非常有潜力的方法，通常能够产生超出经典智能算法的结果。 　　目前，头脑风暴优化算法的研究与应用还处于初级阶段。许多人在过去的几年中尝试对头脑风暴优化算法进行各种研究及改进。史玉回等[3]提出了引入两种组件提高传统头脑风暴优化的性能，第一个组件使用一个简单分组操作符的分组方法（SGM），代替聚类方法从而减轻算法的计算负担；第二个组件使用一个想法不同的策略（IDS）代替高斯随机策略来创建操作符；Jingqian Xue等[4]提出了一种新的基于头脑风暴过程的多目标优化算法（MOBSO），在目标空间采用了聚类策略，并通过两种不同的变异算子――高斯变异和柯西变异产生新个体；史玉回等[5]在原始头脑风暴优化算法基础上改进了新个体的生成和选择策略。首先根据个体在每个维度的动态范围调整步长，然后用一个批处理模式生成新个体并选择新个体；杨玉婷等[6]引入分组合作机制以优化算法的实现过程，提出了基于讨论机制的头脑风暴优化算法，同时进一步引入差分步长从而避免算法进入局部最优。头脑风暴优化算法迅速发展，不同领域都开展了应用研究[712]。 　　头脑风暴算法的改进算法依然存在缺点，如执行效率低和收敛速度慢等。为克服此类缺陷，本文将首次定义一个香农多样性指数来估算样本群落的多样性以及均匀性，并对原始头脑风暴优化算法进行多次初始化，?亩?有效加快