一种基于模拟退火与高斯扰动的烟花算法的制作方法

技术特征：

1.一种基于模拟退火与高斯扰动的烟花算法，其特征在于，包括以下步骤：

步骤1：随机给烟花的位置赋值，计算烟花的适应度值，生成初始种群；

步骤2：设置烟花个数N，最大火花数Max，最小火花数Min，需要求解函数的可行域D，高斯变异的火花数N_g，爆炸幅度之和以及最大的函数评估次数It_max；

步骤3：找出初始种群里面适应值最差的个体，记录其位置信息P_worst；

步骤4：初始化初始温度T₀、终止温度T_f、退火系数a和最大迭代次数I_max；

步骤5：对当前适应值最差的个体进行高斯变异，得到一个新解x_new：

x_new^k＝p_worst^k*g,k＝1,2,...,d

其中，p_worst^k表示最差个体的第k维，g是服从均值和方差都为1的正态分布，即g～N(1,1)，d表示每个个体的设置的维数；

步骤6：比较高斯扰动前后的适应值的大小；

步骤7：如果高斯扰动后的适应度值更优，则接受高斯扰动后的解，并且更新相应的位置；如果高斯扰动后的目标值没有高斯扰动前的优，则以一定的概率p去接受该解:

$p=\exp (-\frac{\mathrm{\Δ}x}{T})\>r$

其中，Δx是高斯扰动后的适应度值和高斯扰动前的适应度值的差值，T为当前的温度，r是随机产生的一个0和1之间的随机数。

步骤8：执行退温操作：

T＝T*a

其中T的初始值为T₀；

步骤9：若满足停止条件，则搜索停止，输出优化后的结果，否则，转到步骤5继续寻找适应度值更优的位置；

步骤10：通过步骤9，即经过模拟退火和高斯扰动得到一个更优的解，用得到的新解去替换初始种群的最差烟花个体，组成一个新的烟花初始种群，新的烟花种群继续执行烟花算法流程进行迭代寻优；

步骤11：通过爆炸算子产生相应个数的火花个体，最大个数不能超过Max，最少不能低于Min；

步骤12：通过变异算子产生N_g个变异烟花；

步骤13：对超出界限的所有烟花(烟花、火花和变异火花)运用映射规则，将其拉回可行域D内；

步骤14：然后通过选择策略精英-轮盘赌得到下一代烟花群体，即先选择当前种群最优的烟花的进入下一次寻优，然后依据轮盘赌的方式去选择剩下的N-1个烟花进入下一次寻优；

步骤15：若算法迭代次数满足停止条件，则搜索停止，输出最后优化的结果，否则，转到步骤3进行继续寻优。

2.根据权利要求1所述的一种基于模拟退火与高斯扰动的烟花算法，其特征在于，所述步骤9中的停止条件是:算法迭代次数达到最大的迭代次数或者温度达到最低温度。

3.根据权利要求1所述的一种基于模拟退火与高斯扰动的烟花算法，其特征在于，所述步骤15中的停止条件是算法达到设置的最大函数评估次数。