一種面向函數(shù)優(yōu)化的社會學(xué)習(xí)方法
【專利摘要】本發(fā)明提出了一種面向函數(shù)優(yōu)化的社會學(xué)習(xí)方法，包括選擇、交叉、變異操作、模仿學(xué)習(xí)操作、觀察學(xué)習(xí)操作、更新操作、影響操作,在微空間設(shè)計了基于選擇、交叉、變異以及貪婪選擇操作的進(jìn)化過程；在學(xué)習(xí)空間設(shè)計了觀察學(xué)習(xí)與模仿學(xué)習(xí)操作；在觀察學(xué)習(xí)算子中，考慮學(xué)習(xí)慣性與學(xué)習(xí)波動性，分別引入了學(xué)習(xí)慣性權(quán)重與學(xué)習(xí)擾動因子，學(xué)習(xí)擾動因子特有的震蕩性，有助于擴(kuò)大方法的搜索范圍，提高方法的收斂速度；模仿學(xué)習(xí)算子引入了變動的搜索步長提高方法的收斂速度。在信仰空間設(shè)計了知識的更新函數(shù)以及文化對微空間的影響函數(shù)。采用該方法后，可明顯提高求解精度更高，且收斂速度較快。
【專利說明】
一種面向函數(shù)優(yōu)化的社會學(xué)習(xí)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種社會學(xué)習(xí)方法，具體為一種面向函數(shù)優(yōu)化的社會學(xué)習(xí)方法，屬于 群體智能方法領(lǐng)域。
【背景技術(shù)】
[0002] 群體智能方法是人們根據(jù)自然界或生物群體中存在的一些規(guī)律和協(xié)作行為，從中 抽象出數(shù)學(xué)模型并設(shè)計出具有強(qiáng)大問題求解能力的新型方法。在自然界中，許多生物通過 群體協(xié)作共同完成復(fù)雜任務(wù)，群體中個體的簡單行為由于個體之間的相互影響而表現(xiàn)出智 能行為。群體智能方法的研究思路是通過對個體之間的簡單行為、個體對環(huán)境以及個體的 局部交互行為進(jìn)行建模分析，研究生物群體的復(fù)雜行為和問題解決能力的內(nèi)在機(jī)制。相對 于傳統(tǒng)的方法，群體智能方法具有自組織、自適應(yīng)等特征，具備簡單、通用、魯棒性強(qiáng)以及易 于并行處理等優(yōu)點(diǎn)。
[0003] 已有的群體智能方法大都是通過模擬低級動物群體行為抽象出的群體智能方法 模型。事實(shí)上，在生物群體中，人類的智能是最高級的，人類社會智能的演化過程具有很好 的借鑒意義。當(dāng)前以人類群體智能演化過程為模擬對象提出群體智能方法模型的研究還處 于初期階段。受人類社會智能演化過程以及社會認(rèn)知理論的啟發(fā)，已有研究者提出模擬人 類社會智能演化過程的群體智能方法模型一社會學(xué)習(xí)方法范型。目前，關(guān)于社會學(xué)習(xí)方法 的研究成果還比較少，還不存在用于求解函數(shù)優(yōu)化問題的社會學(xué)習(xí)方法。
【發(fā)明內(nèi)容】
[0004] 針對現(xiàn)有技術(shù)中存在的問題，本方法提出了一種面向函數(shù)優(yōu)化的社會學(xué)習(xí)方法， 包括以下步驟：
[0005] 1.輸入社會學(xué)習(xí)方法的各項參數(shù)；
[0006] 2.隨機(jī)生成初始群體，并計算個體的適應(yīng)度值；
[0007] 3.在微空間內(nèi)，依次執(zhí)行選擇操作、交叉操作和變異操作;并在完成交叉操作和變 異操作之后分別執(zhí)行貪婪操作，保留適應(yīng)度值較優(yōu)的個體；
[0008] 4.在學(xué)習(xí)空間內(nèi)，每個個體執(zhí)行觀察學(xué)習(xí)操作，之后執(zhí)行貪婪操作，保留較優(yōu)的個 體；
[0009] 5.在學(xué)習(xí)空間內(nèi)，每個個體執(zhí)行模仿學(xué)習(xí)操作，之后執(zhí)行貪婪操作，保留較優(yōu)的個 體；
[0010] 6.在信仰空間，進(jìn)行知識更新操作和影響操作；
[0011] 7.判斷是否滿足方法終止條件，
[0012] 若否，則回轉(zhuǎn)執(zhí)行上述第3步;若是，則迭代停止，輸出最終優(yōu)化結(jié)果。
[0013] 進(jìn)一步地，在微空間中，選擇操作采用輪盤賭選擇方法;交叉操作時，采用單點(diǎn)交 叉，Xi=(xu，…，xik,…，xid)與Xj=(xji,…，xjk,…，xjd)為群體內(nèi)任意兩個個體，其中d為解 的維度，xik、Xjk e [a，b ]，[a，b ]為所有個體維度變量的取值范圍，P。為交叉概率，i、j、k均為 大于0的自然數(shù)，i辛j且i、j e [ 1，η ]，η為群體大??；具體操作方法為：在（Ο，1)內(nèi) 生成一個隨機(jī)數(shù)r。，若κ〈Ρ。，則執(zhí)行單點(diǎn)交叉；否則，保留原有個體；交叉操作為 ^-ι ^
其中尤*·〉與一< J.yi.'(17+11?···:，·^ > 為交叉后產(chǎn)生的新個體，q為隨機(jī)產(chǎn)生的單點(diǎn)交叉位;變異操作時，設(shè)在d維搜索空間內(nèi)的個 體表示為Χι = (χιι,…，xik'，'"，xid)，le [l，n]且xik' e [a，b]，1、1^均為大于0的自然數(shù);變異 操作戈
Δ&，j〇 = Ml ^ ，其中，丫與~為（0，1)內(nèi)的隨機(jī) 數(shù)，T與t分別表示為最大迭代次數(shù)與當(dāng)前迭代次數(shù)，h為待定參數(shù)。
[0014] 進(jìn)一步地，在上述第4步中，Χ〇= (χ〇ι,…，x〇k〃，…，x〇d)為群體中的任意一個個體， ，=說，"*,;^/"力）為當(dāng)前全局最優(yōu)解，〇€[1,?]，^、_^￡[?力]且1^￡[1，(1]， 〇與1^為自 然數(shù)，Χ=(.τ1…,x …,xL>)為通過觀察學(xué)習(xí)后得到的新個體，觀察學(xué)習(xí)操作采用 備=ω · X，+.卓· (1 - sin⑷)進(jìn)行，其中，為通過觀察學(xué)習(xí)后新個體的第k〃維變量；ω為 學(xué)習(xí)慣性權(quán)重，ω e(〇，l);sin(c〇為學(xué)習(xí)擾動因子，ae[2,3i]; ω · xQk〃表示個體在學(xué)習(xí)中 的自我保留部分;、·/?(")>表示個體向最優(yōu)個體學(xué)習(xí)后獲取的部分；比較觀察學(xué)習(xí)前后 兩個個體的適應(yīng)度值，保留適應(yīng)度值較高的一個;通過觀察學(xué)習(xí)產(chǎn)生的新個體中，若第k〃維 變量的值超過其取值范圍，則根_
修正該維變量的值。
[0015] 進(jìn)一步地，在上述第5步中，為群體中的任意個體，t e [ 1，n]， xtk'〃 e[a，b]且e[l，d]，t與均為自然數(shù)，<=(<,···,為通過模仿學(xué)習(xí)后得 到的新個體，模仿學(xué)習(xí)操作采用= % +夂(*P + (氣r -%*):)進(jìn)行，其中，^為通過模仿學(xué) 習(xí)后新個體C的第維變量;Fe[0，l]，為縮放因子，81和 82為[1，(1]之間的隨機(jī)數(shù)且81辛 S2，Λν -為隨機(jī)個體及的第k〃'維變量，〃為隨機(jī)個體^的第k〃'維變量，λ·?〃為當(dāng)前全局 最優(yōu)個體Xeg的第維變量，代表變動的步長;比較模仿學(xué)習(xí)前后兩個個體的 適應(yīng)度值，保留適應(yīng)度值較高的一個;通過模仿學(xué)習(xí)產(chǎn)生的新個體中，若第維變量的值 超過其取值范圍，則根據(jù)
I正該維變量的值。
[0016] 進(jìn)一步地，在上述第6步中，在信仰空間中，知識更新操作是將每次從學(xué)習(xí)空間抽 取到的優(yōu)秀個體替換掉信仰空間內(nèi)較差的個體;影響操作是使用信仰空間內(nèi)的知識替換掉 微空間內(nèi)適應(yīng)度值較差的個體。
[0017] 采用該方法后，可明顯提高求解精度更高，且收斂速度較快。在微空間設(shè)計了基于 選擇、交叉、變異以及貪婪選擇操作的進(jìn)化過程;在學(xué)習(xí)空間設(shè)計了觀察學(xué)習(xí)與模仿學(xué)習(xí)操 作;在觀察學(xué)習(xí)算子中，考慮學(xué)習(xí)慣性與學(xué)習(xí)波動性，分別引入了學(xué)習(xí)慣性權(quán)重與學(xué)習(xí)擾動 因子，學(xué)習(xí)擾動因子特有的震蕩性，有助于擴(kuò)大方法的搜索范圍，提高方法的收斂速度;模 仿學(xué)習(xí)算子引入了變動的搜索步長提高方法的收斂速度。在信仰空間設(shè)計了知識的更新函 數(shù)以及文化對微空間的影響函數(shù)。
【附圖說明】
[0018] 圖1為一種面向函數(shù)優(yōu)化的社會學(xué)習(xí)方法框架圖。
【具體實(shí)施方式】
[0019] 面向函數(shù)優(yōu)化的社會學(xué)習(xí)方法是一種通過模擬人類社會智能演化過程的群體智 能方法，它由三層協(xié)同進(jìn)化的空間組成，分別為:微空間、學(xué)習(xí)空間及信仰空間，如圖1所示。 微空間模擬人類社會智能演化的遺傳變異過程，并為學(xué)習(xí)空間提供具有優(yōu)良基因的個體； 個體在學(xué)習(xí)空間通過觀察學(xué)習(xí)與模仿學(xué)習(xí)來提升自身的智能水平;信仰空間從學(xué)習(xí)空間提 取優(yōu)秀的個體作為知識保存在信仰空間，知識在信仰空間經(jīng)過積累和沉淀形成文化;文化 通過影響操作指導(dǎo)微空間內(nèi)群體的進(jìn)化。該方法的三個協(xié)同進(jìn)化的空間形成一個演化的閉 環(huán)。
[0020] 該方法三個空間內(nèi)的主要運(yùn)行機(jī)制描述如下：
[0021] 微空間：該空間模擬人類社會智能演化過程受遺傳變異影響的現(xiàn)象?？臻g中的個 體通過選擇、交叉與變異操作來實(shí)現(xiàn)個體的演化。
[0022] 學(xué)習(xí)空間：主要模擬人類社會中個體通過學(xué)習(xí)提升自身智能水平的過程。空間中 的個體通過觀察學(xué)習(xí)與模仿學(xué)習(xí)吸取最優(yōu)秀個體的優(yōu)點(diǎn)，進(jìn)而提高自身智能水平；
[0023] 信仰空間：模擬人類社會智能演化受社會文化影響的過程。該空間通過知識的積 累沉淀形成的文化指導(dǎo)微空間內(nèi)群體的演化，引導(dǎo)群體向好的方向進(jìn)行進(jìn)化，從而提高群 體進(jìn)化的效率。
[0024] 在面向函數(shù)優(yōu)化的社會學(xué)習(xí)方法中，個體表示函數(shù)優(yōu)化問題的一個解，個體的適 應(yīng)度值表示個體的智能水平，適應(yīng)度值亦用于決定個體是否被淘汰，個體適應(yīng)度值隨著三 層協(xié)同進(jìn)化空間內(nèi)的操作而改變。微空間執(zhí)行遺傳變異操作，并且在交叉操作與變異操作 之后引入貪婪算子，即每次操作后都將當(dāng)前個體與新生個體進(jìn)行比較，保留適應(yīng)度值較優(yōu) 的個體。在學(xué)習(xí)空間內(nèi)，個體依次進(jìn)行觀察學(xué)習(xí)與模仿學(xué)習(xí)；在學(xué)習(xí)空間也引入了貪婪算 子，即在個體進(jìn)行模仿學(xué)習(xí)與觀察學(xué)習(xí)后，保留適應(yīng)度較好的個體;信仰空間從學(xué)習(xí)空間提 取的較好的個體作為知識存儲在信仰空間，知識經(jīng)過更新操作進(jìn)行沉淀進(jìn)而形成文化，文 化通過影響操作指導(dǎo)微空間內(nèi)的群體向較好的方向演化?！揪唧w實(shí)施方式】如下：
[0025]該方法包括以下步驟：
[0026] 1.輸入社會學(xué)習(xí)方法的各項參數(shù)；
[0027] 2.隨機(jī)生成初始群體，并計算個體的適應(yīng)度值；
[0028] 3.在微空間內(nèi)，依次執(zhí)行選擇操作、交叉操作和變異操作;并在完成交叉操作和變 異操作之后執(zhí)行貪婪操作，保留適應(yīng)度值較優(yōu)的個體；
[0029] 4.在學(xué)習(xí)空間內(nèi)，每個個體執(zhí)行觀察學(xué)習(xí)操作，之后執(zhí)行貪婪操作，保留較優(yōu)的個 體；
[0030] 5.在學(xué)習(xí)空間內(nèi)，每個個體執(zhí)行模仿學(xué)習(xí)操作，之后執(zhí)行貪婪操作，保留較優(yōu)的個 體；
[0031 ] 6.在信仰空間，進(jìn)行知識更新操作和影響操作；
[0032] 7 .判斷是否滿足方法終止條件，若否，則回轉(zhuǎn)執(zhí)行上述第3步;若是，則迭代停止， 輸出最終優(yōu)化結(jié)果。
[0033]進(jìn)一步地，在微空間中，選擇操作采用輪盤賭選擇方法;交叉操作時，采用單點(diǎn)交 叉，Xi=(xu，…，xik,…，xid)與Xj=(xji,…，xjk,…，xjd)為群體內(nèi)任意兩個個體，其中d為解 的維度，xik、Xjk e [a，b ]，[a，b ]為所有個體維度變量的取值范圍，P。為交叉概率，i、j、k均為 大于〇的自然數(shù)，i辛j且i、j e [ 1，n]，n為群體大小;具體操作方法為:在(0，1)內(nèi)生成一個隨 機(jī)數(shù)r。，若r?！?P。，則執(zhí)行單點(diǎn)交叉；否則，保留原有個體；交叉操作為
+>. '其中 4 帥"·.，λν > 與 > > ' 為交叉后產(chǎn)生的新個體，q為隨機(jī)產(chǎn)生的單點(diǎn)交叉位;變異操作時，設(shè)在d維搜索空間內(nèi)的個 體表示為Χι = (χιι,…，xik'，'"，xid)，le [l，n]且xik' e [a，b]，1、1^均為大于0的自然數(shù);變異 操作為
郵、|.丨= ><丨1/女>,其中，Y與rm為（〇，1)內(nèi)的隨機(jī) 數(shù)，T與t分別表示為最大迭代次數(shù)與當(dāng)前迭代次數(shù)，h為待定參數(shù)。
[0034]在人類社會中，個體通過觀察最優(yōu)個體的行為，學(xué)習(xí)最優(yōu)個體的優(yōu)點(diǎn)提升自身的 智能水平。而學(xué)習(xí)具有一定的慣性，即個體在向優(yōu)秀個體學(xué)習(xí)的同時會保留一部分自己的 知識，為此，本發(fā)明在學(xué)習(xí)操作中增加了學(xué)習(xí)慣性權(quán)重實(shí)現(xiàn)這一機(jī)制。此外，學(xué)習(xí)還具有一 定的波動性與不穩(wěn)定性，本發(fā)明在觀察學(xué)習(xí)中添加了學(xué)習(xí)擾動因子，該因子利用正弦函數(shù) 的震蕩性在一定程度上能夠增加種群的多樣性，降低方法陷入局部最優(yōu)的概率，有助于提 高方法的尋優(yōu)能力與收斂速度。
[0035] 進(jìn)一步地，在上述第4步中，Χ〇= (χ〇ι,…，x〇k〃，…，x〇d)為群體中的任意一個個體， 為當(dāng)前全局最優(yōu)解，〇e [1，n][a，6]且k〃 e [1，d]，〇與k〃為自 然數(shù)，Χ=(4,···,χ ···,<〇為通過觀察學(xué)習(xí)后得到的新個體，觀察學(xué)習(xí)操作采用 心.=&:^. + <.4-4〃))進(jìn)行，其中，￥￡*為通過觀察學(xué)習(xí)后新個體尤的第1^/維變量；《為 學(xué)習(xí)慣性權(quán)重，ω e(〇，l);sin(c〇為學(xué)習(xí)擾動因子，ae[2,3i]; ω · xQk〃表示個體在學(xué)習(xí)中 的自我保留部分;表示個體向最優(yōu)個體學(xué)習(xí)后獲取的部分；比較觀察學(xué)習(xí)前后 兩個個體的適應(yīng)度值，保留適應(yīng)度值較高的一個;通過觀察學(xué)習(xí)產(chǎn)生的新個體中，若第k〃維 變量的值超過其取值范圍，則根據(jù)
?正該維變量的值。
[0036] 在人類社會中，個體在向最優(yōu)個體學(xué)習(xí)的同時，亦會隨機(jī)地向其他個體進(jìn)行模仿 學(xué)習(xí)，基于這一規(guī)律，隨機(jī)選擇兩個不同的個體參考當(dāng)前個體進(jìn)行模仿學(xué)習(xí)，在模仿學(xué)習(xí)過 程中，隨著迭代次數(shù)增加產(chǎn)生變動學(xué)習(xí)步長，通過變動的學(xué)習(xí)步長減少對優(yōu)秀個體模仿學(xué) 習(xí)的干擾，從而提高方法收斂速度。
[0037] 進(jìn)一步地，在上述第5步中，Xt= (xti,…，xtk〃，…xtd)為群體中的任意個體，te [1， 11]，^/4[&，13]且1^/￡[1，(1]4與1^/均為自然數(shù)，尤?,*"乂〃',一乂)為通過模仿學(xué)習(xí)后 得到的新個體，模仿學(xué)習(xí)操作采用4? = %- + F·?冷+切_ - &:))進(jìn)行，其中，xk為通過模仿 學(xué)習(xí)后新個體名的第維變量;Fe[0，l]，為縮放因子，81和 82為[1，(1]之間的隨機(jī)數(shù)且81 辛s2，為隨機(jī)個體疋,的第V"維變量，&，為隨機(jī)個體；的第V"維變量，辦為當(dāng)前全 局最優(yōu)個體x eg的第維變量，(?，一 代表變動的步長；比較模仿學(xué)習(xí)前后兩個個體 的適應(yīng)度值，保留適應(yīng)度值較高的一個;通過模仿學(xué)習(xí)產(chǎn)生的新個體中，若第維變量的 值超過其取值范圍，則根據(jù)
i正該維變量的值。
[0038]在信仰空間的操作分為知識的更新操作和文化的影響操作。更新操作是將每次從 學(xué)習(xí)空間抽取到的優(yōu)秀個體替換掉信仰空間內(nèi)較差的個體，從而實(shí)現(xiàn)知識的更新與積累； 影響操作是使用信仰空間內(nèi)的知識替換掉微空間內(nèi)適應(yīng)度值較差的個體，引導(dǎo)群體向較好 的方向演化，提高方法的收斂速度。
[0039]進(jìn)一步地，在上述第6步中，在信仰空間中，知識更新操作是將每次從學(xué)習(xí)空間抽 取到的優(yōu)秀個體替換掉信仰空間內(nèi)較差的個體;影響操作是使用信仰空間內(nèi)的知識替換掉 微空間內(nèi)適應(yīng)度值較差的個體。
【主權(quán)項】
1. 一種面向函數(shù)優(yōu)化的社會學(xué)習(xí)方法，其特征在于:包括W下步驟： 步驟1:輸入社會學(xué)習(xí)方法的各項參數(shù)； 步驟2:隨機(jī)生成初始群體，并計算個體的適應(yīng)度值； 步驟3:在微空間內(nèi)，依次執(zhí)行選擇操作、交叉操作和變異操作;并在完成交叉操作和變 異操作之后執(zhí)行貪婪操作，保留適應(yīng)度值較優(yōu)的個體。 步驟4:在學(xué)習(xí)空間內(nèi)，每個個體執(zhí)行觀察學(xué)習(xí)操作，之后執(zhí)行貪婪操作，保留較優(yōu)的個 體； 步驟5:在學(xué)習(xí)空間內(nèi)，每個個體執(zhí)行模仿學(xué)習(xí)操作，之后執(zhí)行貪婪操作，保留較優(yōu)的個 體； 步驟6:在信仰空間，進(jìn)行知識更新操作和影響操作； 步驟7:判斷是否滿足方法終止條件， 若否，則回轉(zhuǎn)執(zhí)行所述的步驟3; 若是，則迭代停止，輸出最終優(yōu)化結(jié)果。2. 基于權(quán)利要求1所述的一種面向函數(shù)優(yōu)化的社會學(xué)習(xí)方法，其特征在于:上述步驟3 中，微空間中，選擇操作采用輪盤賭選擇方法； 交叉操作時，采用單點(diǎn)交叉，Xi=(xii,…，xik,…，xid)與Xj = (xji,…，xjk,…，xjd)為群體內(nèi) 任意兩個個體，其中d為解的維度，xik、xjke [a，b]，[a，b]為所有個體維度變量的取值范圍，P。 為交叉概率，i、j、k均為大于0的自然數(shù)，i聲j且i、j e [ 1，η]，η為群體大小;具體操作方法為:在 (〇，1)內(nèi)生成一個隨機(jī)數(shù)若rc<P。，則執(zhí)行單點(diǎn)交叉；否則，保留原有個體;交叉操作為，其中 JT; ..一·,。，'、."。",，.>與尤;..,? > 為交叉后產(chǎn)生的新個體，q為隨機(jī)產(chǎn)生的單點(diǎn)交叉位； 變異操作時，在d維捜索空間內(nèi)的個體表示為Xi=(xii,…，xikV··，xid)，le [?,η]且別/ e [a, b]，1、k/均為大于0的自然數(shù);變異操作3其中，丫與rm為(〇，1)內(nèi)的隨機(jī)數(shù)，T與t分別表示為最大迭代次數(shù)與當(dāng)前迭代次數(shù)，h為待定 參數(shù)。3. 基于權(quán)利要求1所述的一種面向函數(shù)優(yōu)化的社會學(xué)習(xí)方法，其特征在于:在上述步驟4中， Xd=(Xd1，…，義。1/，一，枯<1)為群體中的任意一個個體一護(hù)=(靜，'"，姑，"-，婿)為當(dāng)前全局最 優(yōu)解，。e [ 1，叫，、扣 e [0鐘且k" e [ 1，d]，0與k"為自然數(shù)，X =妃，···，乂。V，…，.0 為 通過觀察學(xué)習(xí)后得到的新個體，觀察學(xué)習(xí)操作采用誠。二婦·Cl-sin(詞):進(jìn)行，其中， 為通過觀察學(xué)習(xí)后新個體X的第k"維變量；ω為學(xué)習(xí)慣性權(quán)重，〇e(0，l);sin(a)為 學(xué)習(xí)擾動因子，ae[2,3i]; ω . xnk"表示個體在學(xué)習(xí)中的自我保留部分；.皆!·（Ι-Λ'/ηΙα))表示 個體向最優(yōu)個體學(xué)習(xí)后獲取的部分；比較觀察學(xué)習(xí)前后兩個個體的適應(yīng)度值，保留適應(yīng)度 值較高的一個;通過觀察學(xué)習(xí)產(chǎn)生的新個體中，若第k"維變量的值超過其取值范圍，則根據(jù)多正該維變量的值。4. 基于權(quán)利要求1所述的面向函數(shù)優(yōu)化的社會學(xué)習(xí)方法，其特征在于:在上述步驟5中， Xt = (xti,…，xtk"'，…xtd)為群體中的任意個體，te [1 ,η]，xtk"' e [a,b]且k"' e [1 ,d]，t與 k"'均為自然數(shù)，義：=妃，"'，義；^'，義:,)為通過模仿學(xué)習(xí)后得到的新個體，模仿學(xué)習(xí)操作采 用也=如，+ .掉+ (Λ"- - ))進(jìn)行，其中，疋;-為通過模仿學(xué)習(xí)后新個體名的第k"'維變 量;Fe[〇，l]，為縮放因子，S1和S2為[l，d]之間的隨機(jī)數(shù)且S1聲32，斬*'。為隨機(jī)個體V/的第 k"/維變量，疋為隨機(jī)個體策j的第k"/維變量，游I為當(dāng)前全局最優(yōu)個體XW的第k"/維變 量，換,r"-兩/")代表變動的步長;比較模仿學(xué)習(xí)前后兩個個體的適應(yīng)度值，保留適應(yīng)度值 較高的一個;通過模仿學(xué)習(xí)產(chǎn)生的新個體中，若第k"/維變量的值超過其取值范圍，則根據(jù)慘正該維變量的值。5.基于權(quán)利要求1所述的面向函數(shù)優(yōu)化的社會學(xué)習(xí)方法，其特征在于:在上述步驟6中， 在信仰空間中，知識更新操作是將每次從學(xué)習(xí)空間抽取到的優(yōu)秀個體替換掉信仰空間內(nèi)較 差的個體;影響操作是使用信仰空間內(nèi)的知識替換掉微空間內(nèi)適應(yīng)度值較差的個體。
【文檔編號】G06N5/02GK105976032SQ201610310482
【公開日】2016年9月28日
【申請日】2016年5月11日
【發(fā)明人】劉志中, 宋成, 秦靖萱, 王磊, 彭維平
【申請人】河南理工大學(xué)