一种具有韦伯-费克纳情绪化突变操作的细菌觅食寻优方法

摘要

本发明涉及一种具有韦伯‑费克纳情绪化突变操作的细菌觅食寻优方法。经典细菌觅食算法步骤主要包括：趋化、群集、繁殖及消除‑扩散，本发明在经典细菌觅食算法基本操作的基础上引入了韦伯‑费克纳情绪化突变操作，并利用激素调节机制对细菌个体的情绪进行调节，从而改变了细菌个体运行方式，实现了细菌个体运行速度的自适应更新，规避了经典细菌觅食算法存在的易陷入局部最优的缺陷，提升了算法收敛性的同时确保了寻优解的质量。

说明书

技术领域

本发明属于智能优化算法领域，具体涉及到一种具有韦伯-费克纳情绪化突变操作的细菌觅食寻优方法。

背景技术

启发式算法均为生物智能算法，如：蛙跳算法、鲸鱼算法、帝王蝶算法、蚁群算法及粒子群算法等。启发式搜索就是对状态空间维度内的每个个体进行评估，并模仿生物活动的某些特征，实现在状态空间维度内对最佳位置的搜索，这样可以缩短搜索路径，提升算法运算效率。

实际社会的生产发展的需求促进了启发式算法的发展，作为一种启发式智能优化算法，细菌觅食算法是由Passino于2002年提出的，并于2007年引入国内，但经典的细菌觅食算法的某些相关理论仍不成熟，如：细菌个体运行速度无法实现自适应调整导致算法易陷入局部最优、优化精度低，因此，经典的细菌觅食算法需要进一步的提升与改善。

本发明将具有激素调节机制的韦伯-费克纳情绪化突变操作引入经典细菌觅食算法，利用激素控制细菌个体的情绪，通过情绪感知因子判断细菌个体的情绪状态，从而根据细菌个体的情绪状态实现其运行速度的自适应调整，以此实现细菌个体运行速度的更新，提升了算法的收敛性，并确保了寻优解的质量。

发明内容

经典细菌觅食算法中细菌个体的步长具有不确定性，这导致细菌个体运行速度无法针对实际环境实现自适应调节，本发明的目的在于提供一种能够规避上述弊端的具有韦伯-费克纳情绪化突变操作的细菌觅食寻优方法。

为实现上述目的，本发明采用了以下技术方案：一种具有韦伯-费克纳情绪化突变操作的细菌觅食寻优方法，该算法包括下列顺序的步骤：

(1)确定待研究对象的寻优变量X＝{x

(2)将待研究对象的寻优值即适应度转化为最优状态为0的适应度函数：J

(3)具有韦伯-费克纳情绪化突变操作的细菌觅食寻优方法相关参数初始化；

(4)利用具有韦伯-费克纳情绪化突变操作的细菌觅食寻优方法进行寻优。

步骤(3)所述具有韦伯-费克纳情绪化突变操作的细菌觅食寻优方法相关参数初始化，包括：

(3a)初始化细菌觅食相关参数

趋化步骤约定循环次数N

(3b)初始化其他相关参数

(3b-1)初始化激素调节参数

激素调节机制符合Hill函数，参数包括：惯性因子最大值w

(3b-2)初始化情绪化突变相关参数

刺激阈值S

所述步骤(4)包括以下步骤：

(4a)趋化操作：当

其中：i表示细菌个体，j表示趋化步骤，k表示繁殖步骤，l表示消除-扩散步骤，θ

(4b)群集操作：在该阶段计算种群内部细菌个体之间的相互影响：

其中：J

(4c)基于激素调节机制的韦伯-费克纳情绪化突变操作：该过程中，根据韦伯-费克纳定律定义细菌个体的全局感知因子及历史感知因子，并根据二者计算情绪感知因子，将情绪感知因子与随机函数之间的大小关系作为细菌个体情绪化运行速度更新方式的判断标准；

根据韦伯-费克纳定律定义细菌的全局感知因子r

所述全局感知因子

计算情绪感知因子：

细菌远离全局的最佳位置会对刺激产生强烈的反应，这些刺激将与其所经历的历史感知相比较，细菌的快乐和悲伤两种情绪会动态地改变自身的速度，受全局感知因子、历史感知因子及情绪感知因子影响的细菌个体的运行方式如下：

快乐细菌个体运行速度：

v(i+1,j,k,l)＝w(k

悲伤细菌个体运行速度：

在细菌个体运行速度更新过程中采用激素调节细菌个体的惯性因子，因激素调节过程符合Hill函数变化规律，所以利用Hill函数实现激素调节过程，Hill函数是由上升函数

经激素调节机制改进后的细菌个体运行速度情绪化更新方式为：

快乐细菌个体运行速度：

悲伤细菌个体运行速度：

当随机函数rand小于es，细菌则作为快乐的个体更新自身的运行速度；否则，作为悲伤的个体更新自身的运行速度；

其中：S表示刺激函数，S

(4d)繁殖操作：计算细菌个体的健康适应度值J

(4e)消除-扩散操作：细菌个体以给定的消除-扩散概率P

(4f)依据每个细菌个体是否完成优化判断算法寻优是否完成，若未完成则跳到步骤(4a)，若完成操作则输出优化结果。

有益效果

本发明的有益效果为：在经典细菌觅食算法中引入韦伯-费克纳情绪化突变操作，并利用激素控制细菌个体情绪，通过情绪感知因子判断细菌个体的情绪状态，从而根据当前的情绪状态实现其运行速度的自适应调整，以此实现细菌个体运行速度的更新，提升了算法的收敛性及精度，有效避免了算法陷入局部最优。

附图说明

图1为本发明算法的框图；

图2为本发明算法的流程图。

具体实施方式

运用包括单模态、多模态、固定模态在内的23个基准函数进行算法寻优性能比较分析，将本发明算法与具有量子行为的细菌觅食算法(Bacterial Foraging Algorithmwith Quantum Behavior，BFAQB)、差分进化改善的细菌觅食算法(Improved BacterialForaging Algorithm Based on Differential Evolution，IBFABDE)、基于高斯分布的细菌觅食算法(Bacterial Foraging Algorithm Based on Gaussian Distribution，BFABGD)的寻优结果进行对比。

Step1：确定待研究对象的寻优变量X＝{x

表1基准函数相关信息

Step2：将待研究对象的寻优值即适应度转化为最优状态为0的适应度函数：J

Step3：具有韦伯-费克纳情绪化突变操作的细菌觅食寻优方法的相关参数初始化；

Step4：利用具有韦伯-费克纳情绪化突变操作的细菌觅食寻优方法进行寻优；

Step5：输出寻优结果。

其中，Step3所述具有韦伯-费克纳情绪化突变操作的细菌觅食寻优方法的相关参数初始化，包括：

(3a)初始化细菌觅食算法相关参数

趋化步骤约定循环次数N

(3b)初始化其他相关参数

(3b-1)初始化激素调节参数

激素调节机制符合Hill函数，参数包括：惯性因子最大值w

(3b-2)初始化情绪化突变相关参数

刺激阈值S

所述Step4包括以下步骤：

(4a)趋化操作：当

其中：i表示细菌个体，j表示趋化步骤，k表示繁殖步骤，l表示消除-扩散步骤，θ

(4b)群集操作：在该阶段计算种群内部细菌个体之间的相互影响：

(4c)基于激素调节机制的韦伯-费克纳情绪化突变操作：该过程中，根据韦伯-费克纳定律定义细菌个体的全局感知因子及历史感知因子，并根据二者计算情绪感知因子，将情绪感知因子与随机函数之间的大小关系作为细菌个体情绪化运行速度更新方式的判断标准；

根据韦伯-费克纳定律定义细菌的全局感知因子r

所述全局感知因子

计算情绪感知因子：

细菌远离全局的最佳位置会对刺激产生强烈的反应，这些刺激将与其所经历的历史感知相比较，细菌的快乐和悲伤两种情绪会动态地改变自身的速度，受全局感知因子、历史感知因子及情绪感知因子影响的细菌个体的运行方式如下：

快乐细菌个体运行速度：

v(i+1,j,k,l)＝w(k

悲伤细菌个体运行速度：

在细菌个体运行速度更新过程中采用激素调节细菌个体的惯性因子，因激素调节过程符合Hill函数变化规律，所以利用Hill函数实现激素调节过程，Hill函数是由上升函数

经激素调节机制改进后的细菌个体运行速度情绪化更新方式为：

快乐细菌个体运行速度：

悲伤细菌个体运行速度：

当随机函数rand小于es，细菌则作为快乐的个体更新自身的运行速度；否则，作为悲伤的个体更新自身的运行速度；

其中：S表示刺激函数，S

(4d)繁殖操作：计算细菌个体的健康适应度值J

(4e)消除-扩散操作：细菌个体以给定的消除-扩散概率P

(4f)依据是否达到设定的迭代次数判断算法寻优是否完成，若未完成则跳到步骤(4a)，若完成操作则输出寻优结果。

所述Step5包括以下步骤：

各比较算法对基准函数的寻优运算结果如表2所示：

表2运算结果

由表2的运算结果可以直观地看出：本发明算法较另外三种比较算法在寻优性能方面体现出良好的优越性。

上述实施方案为本发明较佳的实施方式，但是本发明的实施方式并不限制与此，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均为等效的置换方式，都包含在本发明的保护范围之内。