基于3种群Lotka-Volterra模型的种群动力学函数优化算法

基于3种群Lotka-Volterra模型构造出了可全局收敛的种群动力学优化算法。在该算法中,每个种群对应着优化问题的一个试探解;基于3种群间的每种相互作用关系,提出了相应的图形表示方法以及对应的Lotka-Volterra模型构建方法,种群间的相互作用关系包括竞争关系、互惠共存关系、捕食-被食关系或者它们间的任意组合;3种群间的每种相互作用关系均对应着一种种群进化算子,该算子的数学表达式就是其对应的Lotka-Volterra模型的离散化表达式;另外,为了求解更复杂的优化问题求解,将种群融合、突变和选择等行为也构造成操作算子。所有算子的特性可以确保整个种群的适应度指数要么保持原状不变,要么向好的方向转移,从而确保了算法的全局收敛性;在种群演变过程中,种群从一种状态转移到另一种状态实现了种群对优化问题最优解的搜索。应用可归约随机矩阵的稳定性条件证明了本算法具有全局收敛性。测试结果表明本算法是高效的。     

求解大规模优化问题的可全局收敛蝙蝠算法

为了快速求解大规模优化问题,构造出了可全局收敛的蝙蝠算法。在该算法中,将一个蝙蝠看成是优化问题的一个候选解;采用正交拉丁方原理生成蝙蝠群的初始空间位置,以达到对搜索空间的均衡分散性和整齐可比性覆盖;将蝙蝠的追随、自主、避险和从众行为用于构造每个蝙蝠的空间位置转移策略;利用蝙蝠捕获猎物时的响度和脉冲速率来确保整个蝙蝠群要么保持原状态,要么向好的空间位置转移,但绝不会向差的空间位置转移。在蝙蝠群移动过程中,蝙蝠从一个空间位置转移到另一个空间位置实现了蝙蝠群对优化问题最优解的搜索。结果表明,采用可归约随机矩阵稳定性定理可证明本算法具有全局收敛性。测试案例表明,本算法用于求解大规模优化问题时具有对不同类型优化问题适应性强且收敛速度快的优势。