一种改进高维CDO优化方法

本发明涉及启发式数值优化领域，特别是一种改进高维cdo优化方法。

背景技术：

1、工程设计及分析过程中的高维度、非线性、多峰值最优化问题一直是工程师面临的难题。近年来，启发式优化方法得到了飞速发展，为上述问题的快速求解提供了有效途径。切诺贝利灾难优化算法(cdo)作为一种新型的启发式优化方法，是基于1986年苏联切诺贝利核电站爆炸中核辐射灾难提出来的，相比于现有的优化方法如粒子群算法(pso)、遗传算法等具有参数少、收敛速度快、求解精度高等特点，在高维度、非线性、多峰值最优化问题求解中具有很好的应用前景。

2、经典cdo方法虽然具有很强的优点，但存在算法优化效率不高、参数固定不具有自适应的问题，常常导致迭代次数不足导致求解失败，或迭代次数过多导致浪费计算资源，而在实际工程应用中很难确定cdo算法参数，一定程度上限制了该方法的应用。

技术实现思路

1、本发明的目的是提供一种改进高维cdo优化方法，能够提高cdo方法的求解效率，降低工程应用的难度。

2、为实现上述目的，本发明提供了如下方案：

3、一种改进高维cdo优化方法，所述方法包括以下步骤：

4、s1、确定待优化空间维度d、放射性粒子数量n，随机初始化放射性粒子坐标位置：

5、

6、其中，rand()为0～1的随机函数；lbj为待优化空间第j维度的下限，ubj为待优化空间第j维度的上限，j<d，d为待优化空间的维度；为第0次迭代时第i个粒子第j维的坐标位置，i<n，n为。

7、

8、s2、建立目标函数f(·)，计算当前所有放射性粒子的目标适应度值其中iter表示当前迭代次数，iter≤max_iter，max_iter表示最大迭代次数，为非负整数；

9、s3、根据当前放射性粒子piter的适应度值fiter选取最佳γ粒子、β粒子和α粒子的位置pγ,iter、pβ,iter、pα,iter以及记录相应的得分fγ,iter、fβ,iter、fα,iter:

10、若fiiter<fγ,iter，则pα,iter＝piiter，fα,iter＝fiiter；若fiiter＞fα,iter且fiiter<fβ,iter，pβ,iter＝piiter，fβ,iter＝fiiter；若fiiter＞fα,iter且同时满足fiiter＞fβ,iter及fiiter<fγ,iter，则fγ,iter＝fiiter。

11、s4、更新环境中放射性粒子数量，考虑环境中部分物体受到核辐射后产生感生放射性现象，会释放更多的γ粒子、β粒子或α粒子，因此导致环境中的辐射粒子总量增加；设gγ为物体受到辐射后释放γ粒子的概率，则当rand()<gγ时，将pγ,iter添加到piter中；设gβ为物体受到辐射后释放β粒子的概率，则当rand()<gβ时，将pβ,iter添加到piter中；设gα为物体受到辐射后释放α粒子的概率，则当rand()<gα时，将pα,iter添加到piter中。

12、s5、分别计算所有γ粒子、β粒子和α粒子的梯度下降因子gγ,iter、gβ,iter、gα,iter：

13、

14、其中：

15、dγ＝|π×rand()2×pγ,iter-piiter|；

16、

17、其中：

18、dβ＝|π×rand()2×pβ,iter-piiter|；

19、

20、其中：

21、dα＝|π×rand()2×pα,iter-piiter|。

22、s6、更新粒子的位置piter+1：

23、

24、s7、判断自适应收敛条件|piter+1-piter|<ε是否成立，如成立则停止迭代，并返回适应度最小的α*粒子[pα,iter,fα,iter]作为最优粒子，否则回到步骤s2执行一下次迭代，其中ε为自适应收敛阈值。

25、根据本发明提供的具体实施例，本发明公开了以下技术效果：

26、本发明提供了提供一种改进高维cdo优化方法，能够提高cdo方法的优化效率和灵活性、降低工程应用的难度。

技术特征：

1.一种改进高维cdo优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种改进高维cdo优化方法，其特征在于，所述步骤s1具体实现如下：

3.根据权利要求1所述的一种改进高维cdo优化方法，其特征在于，所述步骤s3中，若fiiter<fγ,iter，则pα,iter＝piiter，fα,iter＝fiiter；若fiiter＞fα,iter且fiiter<fβ,iter，pβ,iter＝piiter，fβ,iter＝fiiter；若fiiter＞fα,iter且同时满足fiiter＞fβ,iter及fiiter<fγ,iter，则fγ,iter＝fiiter。

4.根据权利要求1所述的一种改进高维cdo优化方法，其特征在于，所述步骤s4中，考虑环境中部分物体受到核辐射后产生感生放射性现象，会释放更多的γ粒子、β粒子或α粒子，因此导致环境中的辐射粒子总量增加；设gγ为物体受到辐射后释放γ粒子的概率，则当rand()<gγ时，将pγ,iter添加到piter中；设gβ为物体受到辐射后释放β粒子的概率，则当rand()<gβ时，将pβ,iter添加到piter中；设gα为物体受到辐射后释放α粒子的概率，则当rand()<gα时，将pα,iter添加到piter中。

5.根据权利要求1所述的一种改进高维cdo优化方法，其特征在于，所述步骤s5中，

6.根据权利要求1所述的一种改进高维cdo优化方法，其特征在于，所述步骤s6中，

7.根据权利要求1所述的一种改进高维cdo优化方法，其特征在于，所述步骤s7中，自适应收敛条件为：

技术总结
本发明公开一种改进高维CDO优化方法，涉及数值优化领域，该方法步骤包括：设置CDO方法参数，如空间维度、放射性粒子数量，并随机初始化放射性粒子的位置；建立目标函数，计算当前所有放射性粒子的目标适应度值；选取最佳γ粒子、β粒子和α粒子的位置并记录相应的得分；更新环境中放射性粒子数量；计算所有γ粒子、β粒子和α粒子的梯度下降因子；更新最新粒子的位置信息；根据自适应收敛条件确定继续迭代或停止，最终获得优化解。本发明能够提高经典CDO方法优化的效率，降低工程应用的难度。

技术研发人员：杨大炼,李泓冈,张洋,陶洁,姜永正
受保护的技术使用者：湖南科技大学
技术研发日：
技术公布日：2024/1/15