基于脈沖投放捕食?被食模型的多目標(biāo)組合調(diào)度優(yōu)化方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)的是一種基于脈沖投放捕食?被食模型的多目標(biāo)組合調(diào)度優(yōu)化方法，假設(shè)在一個(gè)生態(tài)系統(tǒng)中種植了一種貴重藥用植物，以該藥用植物為食的害蟲(chóng)種群有若干種；這些害蟲(chóng)種群存在同一種天敵種群，天敵種群與害蟲(chóng)種群構(gòu)成捕食?被食關(guān)系；害蟲(chóng)種群數(shù)量的減少會(huì)導(dǎo)致天敵種群數(shù)量的減少；而天敵種群數(shù)量的減少會(huì)導(dǎo)致害蟲(chóng)種群數(shù)量的劇增；定期人工放養(yǎng)天敵種群會(huì)使天敵種群數(shù)量瞬間突增，突然增加的天敵種群會(huì)逐步抑制害蟲(chóng)種群數(shù)量的劇增；天敵種群數(shù)量的脈沖增加而導(dǎo)致的害蟲(chóng)種群數(shù)量的突然變化使得搜索能夠快速跳出局部最優(yōu)解陷阱；利用害蟲(chóng)種群的生長(zhǎng)變化和脈沖投放捕食?被食模型能夠快速找到多目標(biāo)組合調(diào)度優(yōu)化問(wèn)題的全局最優(yōu)解決方案。
【專(zhuān)利說(shuō)明】
基于脈沖投放捕食-被食模型的多目標(biāo)組合調(diào)度優(yōu)化方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及智能優(yōu)化算法，具體涉及一種基于脈沖投放捕食-被食模型的多目標(biāo) 組合調(diào)度優(yōu)化方法。
【背景技術(shù)】
[0002] 考慮多目標(biāo)組合調(diào)度優(yōu)化模型的一般形式如下：
[0003] min{〇ifi(X),02f2(X),---,〇MfM(X)}
[0005] 式中：
[0006] (1)1^是11維歐氏空間，η為該優(yōu)化模型所包含的變量總數(shù)；
[0007] (2)X= (Xl，X2,…，Xm，Xm+l，…，Xn)是一個(gè)η維決策向量，其中，前m個(gè)變量Xl，X2,…， Xm是連續(xù)實(shí)數(shù)型變量，用來(lái)表示模型中涉及到的資源型參數(shù);后n-m個(gè)變量Xm+1，…，χη是0、1 整數(shù)型變量，用來(lái)表示η個(gè)要素中的哪些要素可要成為一條最優(yōu)組合調(diào)度策略中一些要素， 即對(duì)于任意 Xje{Xm+1，…，Χη}，若Xj = l，則表示第j個(gè)要素被選中為該最優(yōu)組合調(diào)度中的一 個(gè)要素，若^ = 〇，則表示第j個(gè)要素未被選中；要素是指能夠形成組合調(diào)度策略的關(guān)鍵要 素，如任務(wù)、活動(dòng)、人力、物資、信息等要素；
[0008] (3)匕〇)，50)，一，仏0)為Μ個(gè)目標(biāo)函數(shù)，用來(lái)表示選擇組合調(diào)度策略時(shí)的Μ個(gè)控 制目標(biāo)要求；
[0009] (4)〇1，〇2，···，〇Μ為Μ個(gè)目標(biāo)函數(shù)的優(yōu)先級(jí)，優(yōu)先級(jí)次序要求滿(mǎn)足〇ι>〇2>···>〇Μ，即目 標(biāo)函數(shù)fi(X)首先要求達(dá)到最小，其次是f 2(x)，再其次是f3(x)，依次類(lèi)推，最后要求達(dá)到最 小的是目標(biāo)函數(shù)fM(X);
[0010] (5)&,,(^〇>〇表示要素選擇時(shí)所需滿(mǎn)足的第"個(gè)不等式約束條件；1為不等式約 束條件編號(hào)的集合；
[0011] (6) \ PO = 0表示要素選擇時(shí)所需滿(mǎn)足的第ib個(gè)等式約束條件;E為等式約束條 件編號(hào)的集合；
[0012] (7) {fi⑴，i = 1，2，…，M}、{氧(〇，iaG I}、{ \ (X)，ib e E}的數(shù)學(xué)表達(dá)式?jīng)]有 限制條件；
[0013 ] ⑶Η為搜索空間，又稱(chēng)解空間；
[0014] (9)計(jì)算時(shí)，決策向量X也稱(chēng)為試探解;若試探解X不滿(mǎn)足約束條件，則令f(X)= + 00 〇
[0015] 優(yōu)化模型式（1)常用來(lái)求解井下通風(fēng)系統(tǒng)風(fēng)流調(diào)度優(yōu)化問(wèn)題、任務(wù)調(diào)度優(yōu)化問(wèn)題、 資源調(diào)度優(yōu)化問(wèn)題、作業(yè)調(diào)度優(yōu)化問(wèn)題、項(xiàng)目調(diào)度優(yōu)化問(wèn)題，等等。
[0016] 優(yōu)化模型式（1)中的f i(x)、PO、\ (夂)的數(shù)學(xué)表達(dá)式?jīng)]有限制條件，傳統(tǒng)的 基于函數(shù)連續(xù)性和可導(dǎo)性的數(shù)學(xué)優(yōu)化方法無(wú)法解決該問(wèn)題。
[0017] 上述優(yōu)化問(wèn)題（1)的求解方法是群體智能優(yōu)化算法，這類(lèi)算法具有較廣泛的適用 性。與本發(fā)明相關(guān)的優(yōu)化算法是競(jìng)爭(zhēng)協(xié)同進(jìn)化算法，該算法由Rosin C.D.，Belew R.K.在文 南犬《New methods for competitive coevolution,Evolutionary Computation，1997年，第 5卷，第1期，第1-29頁(yè)》中提出，它是對(duì)生態(tài)進(jìn)化中捕食現(xiàn)象的模擬:捕食者和被捕食者之間 相互產(chǎn)生有害的影響，捕食者和被捕食者的任何一方的進(jìn)步都會(huì)威脅另一方的生存能力。 捕食者和被捕食者的生存能力都不完全由本身決定，還受到對(duì)方的影響。捕食者為了捕獲 被捕食者的生存壓力會(huì)刺激捕食者的進(jìn)化，被捕食者為了逃脫被捕食的生存壓力也會(huì)刺激 被捕食者逐漸進(jìn)化。捕食者和被捕食者相互刺激對(duì)方而協(xié)同進(jìn)化。
[0018] Stanley K.O. ,Miikkulainen R.在文南犬《Competitive coevolution through evolutionary complexification,Journal ofArtificial Intelligence Research,2004 年，第21卷，第63-100頁(yè)》中考慮了進(jìn)化復(fù)雜性對(duì)CompCEA算法進(jìn)一步進(jìn)行了擴(kuò)展研究;Tan T.G.,Teo J.，Lau Η·K·在文南犬《Competitive coevolution with K-Random Opponents for Pareto multiobjective optimization,ICNC 2007：Third International Conference on Natural Computation，Vol 4，P;roceedings，2007:63-67》中將CompCEA算 法應(yīng)用于求解Pareto多目標(biāo)優(yōu)化問(wèn)題；Tan T.G.，Lau H.K.，Teo J.在文獻(xiàn)《Cooperative versus competitive coevolution for Pareto multiobjective optimization,Bio-Inspired Computational Intelligence and Applications，Springer Berlin，2007年， 第63-72頁(yè)》將競(jìng)爭(zhēng)和合作協(xié)同進(jìn)化算法聯(lián)系在一起，用于求解Pareto多目標(biāo)優(yōu)化問(wèn)題； McIntyre A.R.，Heywood Μ·I·在文南犬《Multi-objective competitive coevolution for efficient GP classifier problem decomposition，2007IEEE International Conference on Systems，Man and Cybernetics，Vols 1-8,2007:2582-2589》中將多目標(biāo) 競(jìng)爭(zhēng)協(xié)同進(jìn)化算法用于求解GP分類(lèi)器分解問(wèn)題。
[0019] 梁文、羅文堅(jiān)、曹先彬、王煦法在文獻(xiàn)《基于生態(tài)捕食模型的多目標(biāo)優(yōu)化問(wèn)題求解 算法，中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào)，2005年，第35卷，第3頁(yè)，第360-366頁(yè)》中根據(jù)種群生態(tài)學(xué)中 的捕食模型，將多個(gè)目標(biāo)的權(quán)值對(duì)應(yīng)到生態(tài)系統(tǒng)的種群規(guī)模，利用生態(tài)捕食模型的動(dòng)態(tài)周 期性變化特性，提出了一種新的進(jìn)化多目標(biāo)優(yōu)化算法。該算法通過(guò)生態(tài)捕食模型來(lái)動(dòng)態(tài)調(diào) 整各個(gè)目標(biāo)的權(quán)值，無(wú)需人為指定，從而減少了對(duì)問(wèn)題知識(shí)的依賴(lài)，快速找到非劣解集。
[0020] 王建國(guó)、韓娜、叢聰在文獻(xiàn)《基于遞歸式多目標(biāo)協(xié)同進(jìn)化遺傳算法的電廠負(fù)荷分配 研究，化工自動(dòng)化及儀表，2013年，第5期，第627-630頁(yè)》中，提出以多目標(biāo)優(yōu)化方法來(lái)完成 電廠負(fù)荷調(diào)度分配，在該方法中，綜合考慮了經(jīng)濟(jì)性、快速性和穩(wěn)定性的要求，建立多目標(biāo) 優(yōu)化的數(shù)學(xué)模型，采用遞歸式多目標(biāo)協(xié)同進(jìn)化遺傳算法求解負(fù)荷分配問(wèn)題。
[0021] 郭寧、金天國(guó)、劉文劍在文獻(xiàn)《基于虛擬制造單元的制造資源組織模型，計(jì)算機(jī)集 成制造系統(tǒng)，2010年，第16卷，第8期，第649-656頁(yè)》中，提出了基于虛擬制造單元的制造資 源組織模型，探討了該模型的理論思想，給出了虛擬制造單元的兩步構(gòu)建方法，并提出了利 用合作型多目標(biāo)優(yōu)化協(xié)同進(jìn)化算法解決資源選擇問(wèn)題，構(gòu)建了以多條加工路線(xiàn)相似系數(shù)之 和最大、運(yùn)輸成本最小和設(shè)備生產(chǎn)負(fù)荷均衡的多目標(biāo)優(yōu)化問(wèn)題。將這一多目標(biāo)優(yōu)化問(wèn)題分 解為多個(gè)子問(wèn)題，分別用多個(gè)子種群進(jìn)行進(jìn)化，并采用一種新型的子種群間合作方式，最終 產(chǎn)生一個(gè)Pareto最優(yōu)解集。該方法提高了候選解的多樣性，為生產(chǎn)調(diào)度提供了多樣性選擇。
[0022]張曉花、趙晉泉、陳星鶯在文獻(xiàn)《節(jié)能減排下含風(fēng)電場(chǎng)多目標(biāo)機(jī)組組合建模及優(yōu) 化，電力系統(tǒng)保護(hù)與控制，2011年，第39卷，第17期，第33-07頁(yè)》中，針對(duì)風(fēng)電場(chǎng)出力的隨機(jī) 性與波動(dòng)性，系統(tǒng)考慮向上向下旋轉(zhuǎn)備用及風(fēng)電加入后附加備用，建立了節(jié)能減排下含風(fēng) 電場(chǎng)的多目標(biāo)機(jī)組組合模型。通過(guò)對(duì)多個(gè)目標(biāo)進(jìn)行無(wú)量綱化處理，提出了基于節(jié)能減排的 含風(fēng)電場(chǎng)機(jī)組組合的決策模型。該模型通過(guò)調(diào)節(jié)各目標(biāo)之間的權(quán)重，能夠平衡系統(tǒng)的能耗 與污染氣體的排放，并采用自適應(yīng)的合作協(xié)同進(jìn)化算法求解。
[0023]劉冉、樓佩煌、唐敦兵、楊雷在文獻(xiàn)《解決U形裝配線(xiàn)平衡調(diào)度問(wèn)題的免疫協(xié)同進(jìn)化 算法，中國(guó)機(jī)械工程，2010年，第21卷，第7期，第815-821頁(yè)》，研究了混流U形裝配線(xiàn)平衡與 調(diào)度的多目標(biāo)集成優(yōu)化問(wèn)題，提出了一種基于Pareto最優(yōu)的多目標(biāo)克隆免疫協(xié)同進(jìn)化算 法。該算法以?xún)蓚€(gè)單克隆抗體群對(duì)應(yīng)平衡與調(diào)度兩個(gè)子問(wèn)題，分別編碼并協(xié)同進(jìn)化，以一個(gè) 多克隆抗體群保存最優(yōu)完整解并采取精英策略，使得子種群間既存在協(xié)作也存在競(jìng)爭(zhēng)。提 出從抗體的基因型和表現(xiàn)型同時(shí)評(píng)價(jià)抗體親和度，并改進(jìn)了共生伙伴選擇機(jī)制以提高算法 的收斂性能。仿真實(shí)例證明算法有著更快的收斂速度且比單種群進(jìn)化算法更適于U形裝配 線(xiàn)平衡調(diào)度問(wèn)題的求解。
[0024] 綜上所述，現(xiàn)有技術(shù)只能解決維數(shù)不高的多目標(biāo)非組合調(diào)度優(yōu)化問(wèn)題，對(duì)維數(shù)很 高的大規(guī)模多目標(biāo)組合調(diào)度優(yōu)化問(wèn)題的求解存在困難。

【發(fā)明內(nèi)容】

[0025] 為了解決上述現(xiàn)有技術(shù)存在的問(wèn)題，本發(fā)明的目的在于提供一種基于脈沖投放捕 食-被食模型的多目標(biāo)組合調(diào)度優(yōu)化方法，即M0SL0_CIPPSD方法，該方法構(gòu)造出的算子可以 充分反映不同種群之間捕食-被食關(guān)系、同類(lèi)種群間的相互競(jìng)爭(zhēng)關(guān)系以及常數(shù)脈沖投放天 敵種群導(dǎo)致害蟲(chóng)種群數(shù)量的突然變化，從而體現(xiàn)出常數(shù)脈沖投放多種群捕食-被食系統(tǒng)動(dòng) 力學(xué)理論的基本思想;該方法具有全局收斂性。
[0026] 為了達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案：
[0027] 一種基于脈沖投放捕食-被食模型的多目標(biāo)組合調(diào)度優(yōu)化方法，即M0SL0_CIPPSD 方法，其特征在于:設(shè)要解決的多目標(biāo)組合調(diào)度優(yōu)化模型的一般形式如下：
[0028] min{Oifi(X),02f2(X),---,〇MfM(X)}
[0030] 式中：
[0031] (1)1^是11維歐氏空間，η為該優(yōu)化模型所包含的變量總數(shù)；
[0032] (2)Χ= (Χ1，Χ2,…，Xm，Xm+l，…，Xn)是一個(gè)η維決策向量，其中，前m個(gè)變量Χ1，Χ2,…， Xm是連續(xù)實(shí)數(shù)型變量，用來(lái)表示模型中涉及到的資源型參數(shù);后n-m個(gè)變量Xm+1，…，Χη是0、1 整數(shù)型變量，一個(gè)〇、1整數(shù)型變量又稱(chēng)為一個(gè)要素，即對(duì)于任意 Xje{Xm+1，…，&}，若幻=1， 則表示第j個(gè)要素被選中為該最優(yōu)組合調(diào)度中的一個(gè)要素，若^=〇,則表示第j個(gè)要素未被 選中；
[0033] (3)&〇)，50)，一，50)為Μ個(gè)目標(biāo)函數(shù)，用來(lái)表示選擇組合調(diào)度策略時(shí)的Μ個(gè)控 制目標(biāo)要求；
[0034] (4)(h，02, ···，0(?為Μ個(gè)目標(biāo)函數(shù)的優(yōu)先級(jí)，優(yōu)先級(jí)次序要求滿(mǎn)足(hX^〉···^，即目 標(biāo)函數(shù)fi(X)首先要求達(dá)到最小，其次是f2(x)，再其次是f3(x)，依次類(lèi)推，最后要求達(dá)到最 小的是目標(biāo)函數(shù)fM(X);
[0035] (5)g,_ (夂）>0表示要素選擇時(shí)所需滿(mǎn)足的第"個(gè)不等式約束條件；I為不等式約 束條件編號(hào)的集合；
[0036] (6)\(^0=〇表示要素選擇時(shí)所需滿(mǎn)足的第ib個(gè)等式約束條件;E為等式約束條 件編號(hào)的集合；
[0037] (7) {fi(X)，i = 1，2，…，M}、{ g,.(, (I)，iae I}、{ \(X)，ib G e}的數(shù)學(xué)表達(dá)式?jīng)]有 限制條件；
[0038] (8)H為搜索空間，又稱(chēng)解空間；
[0039] (9)計(jì)算時(shí)，決策向量X也稱(chēng)為試探解;若試探解X不滿(mǎn)足約束條件，則令f(X)= + 〇〇 · ，
[0040] 將多目標(biāo)組合調(diào)度優(yōu)化模型式(1)轉(zhuǎn)換成如下單目標(biāo)組合調(diào)度優(yōu)化模型：
[0042]式中，〇k=l〇M-k;k為目標(biāo)函數(shù)的編號(hào)；
[0043] M0SL0_CIPPSD方法的原理設(shè)計(jì)
[0044] 假設(shè)在一個(gè)生態(tài)系統(tǒng)E中種植了一種貴重藥用植物，以該藥用植物為食的害蟲(chóng)種 群有N種，它們是卩:，P2，…，PN;每個(gè)害蟲(chóng)種群都有η個(gè)特征，害蟲(chóng)種群Pi用其特征表示就是Pi = ···，&,0;為了確保該貴重藥用植物天然品質(zhì)，人為依靠自然力量來(lái)控制害蟲(chóng) 種群對(duì)該貴重藥用植物的危害;這N種害蟲(chóng)種群存在同一種天敵種群，該天敵種群以這N種 害蟲(chóng)種群為食，即天敵種群與害蟲(chóng)種群構(gòu)成捕食-被食關(guān)系。
[0045] 害蟲(chóng)種群和天敵種群的自我繁衍過(guò)程看成是一個(gè)連續(xù)的過(guò)程，害蟲(chóng)種群數(shù)量的減 少會(huì)導(dǎo)致天敵種群數(shù)量的減少；由于害蟲(chóng)種群數(shù)很多，天敵種群數(shù)量的減少會(huì)導(dǎo)致害蟲(chóng)種 群數(shù)量的劇增;為了有效控制害蟲(chóng)種群，必須定期人工放養(yǎng)天敵種群，使天敵種群數(shù)量瞬間 突增，這是一種脈沖現(xiàn)象;突然增加的天敵種群會(huì)逐步抑制害蟲(chóng)種群的數(shù)量劇增。
[0046] 下面將上面的論述與多目標(biāo)組合調(diào)度優(yōu)化模型式(2)全局最優(yōu)解的求解過(guò)程關(guān)聯(lián) 起來(lái)。
[0047] 優(yōu)化問(wèn)題的搜索空間Η與生態(tài)系統(tǒng)E相對(duì)應(yīng)，任何時(shí)期t，該生態(tài)系統(tǒng)E中的N種害蟲(chóng) 種群對(duì)應(yīng)于搜索空間Η中的N個(gè)試探解，即㈨⑴上⑴^-力⑴:^其中上⑴^私辦）， xi,2(t)，…，xi,n(t))，i = l，2,…，Ν。害蟲(chóng)種群Pi的一個(gè)特征fi,j對(duì)應(yīng)于試探解Xi(t)中的一個(gè) 變量 Xi,j(t)。
[0048] 綜上可知，害蟲(chóng)種群與試探解在概念上完全等價(jià)，以后不再加以區(qū)分。該生態(tài)系統(tǒng) E中的每個(gè)害蟲(chóng)種群在生存期間受到投放到生態(tài)系統(tǒng)E中的天敵種群的捕食，其生長(zhǎng)狀態(tài)會(huì) 不斷發(fā)生變化，將這種變化影射到多目標(biāo)組合調(diào)度優(yōu)化模型式(2)的搜索空間H，就相當(dāng)于 試探解從一個(gè)空間位置轉(zhuǎn)移到另外一個(gè)空間位置;天敵種群數(shù)量的脈沖增加會(huì)導(dǎo)致害蟲(chóng)種 群數(shù)量的突然變化，此相當(dāng)于搜索空間的試探解從一個(gè)位置猛烈跳到另外一個(gè)位置，這種 性質(zhì)有利于使搜索跳出局部最優(yōu)解陷阱。
[0049] 為簡(jiǎn)單起見(jiàn)，將一個(gè)空間位置稱(chēng)為一個(gè)狀態(tài)，并用其下標(biāo)表示。
[0050] 假設(shè)害蟲(chóng)種群Pi當(dāng)前狀態(tài)為a，即相當(dāng)于在搜索空間Η中所處的位置為Xa。若害蟲(chóng)種 群?:遭到毒害后，從當(dāng)前狀態(tài)a變化到新?tīng)顟B(tài)b，即相當(dāng)于在搜索空間Η中從當(dāng)前所處的位置 Xa轉(zhuǎn)移到新位置Xb。按多目標(biāo)組合調(diào)度優(yōu)化模型式(2)計(jì)算，對(duì)于目標(biāo)函數(shù)F(X)，若F(Xa)>F (Xb)，表明新位置Xb比原位置Xa更優(yōu)，則認(rèn)為害蟲(chóng)種群Pi的生長(zhǎng)能力強(qiáng)。反之，若F(Xa)彡F (?)，表明新位置Xb比原位置Xa更差，或沒(méi)有什么差別（因新位置Xb與原位置X a的目標(biāo)函數(shù)值 相等，即F(Xa)=F(Xb))，則認(rèn)為害蟲(chóng)種群? 1生長(zhǎng)能力弱。生長(zhǎng)能力強(qiáng)的害蟲(chóng)種群，可以得到 更高的概率繼續(xù)生長(zhǎng);而生長(zhǎng)能力弱的害蟲(chóng)種群，則可能停止生長(zhǎng)。
[0051 ] 害蟲(chóng)種群Pi的生長(zhǎng)能力強(qiáng)弱用種群生長(zhǎng)指數(shù)PGI (Population Growth Index， PGI)來(lái)表示，害蟲(chóng)種群Pi的PGI指數(shù)計(jì)算方法為：
[0053] 基于上述場(chǎng)景，可以構(gòu)造出用于求解多目標(biāo)組合調(diào)度優(yōu)化模型式（2)的M0SL0_ CIPPSD 方法。
[0054]常數(shù)脈沖投放多種群捕食-被食系統(tǒng)動(dòng)力學(xué)模型 [0055]帶有常數(shù)脈沖投放的多種群捕食-被食系統(tǒng)動(dòng)力學(xué)模型為：
[0057] 式中：yi(t)表示時(shí)期t害蟲(chóng)種群Pi的密度，yi(t)>0，i = l，2,…，N;z(t)表示時(shí)期t 天敵種群的密度，z(t)彡0;bi表示害蟲(chóng)種群Pi的增長(zhǎng)率，bi>0，i = l，2，-_，N;ni表示害蟲(chóng)種 群Pi的減少率，1U>〇，i = 1，2,…，^^(^表不害蟲(chóng)種群之間的競(jìng)爭(zhēng)參數(shù)，as>〇, s = 1，2,…，N;d 表示天敵種群的轉(zhuǎn)化率，d>0;c表示天敵種群的增長(zhǎng)率，c>0;T表示天敵種群的投放周期;k 為正整數(shù)，k= 1，2，3，…;Q為天敵種群的脈沖投放數(shù)量，Q>0。
[0058] 在時(shí)期t，害蟲(chóng)種群?1在所有害蟲(chóng)種群中所占的比例為ri(t)，i = l，2，~，N4P
[0060] 〇(〇又稱(chēng)為害蟲(chóng)種群？1的占比。記時(shí)期丨參數(shù)131，11 1，<^，(3，(1的取值分別為 #，$，《^cSdS為方便計(jì)算，將式(4)改為離散遞推形式，BP
[0061] 若t 乒kT，則
[0065] 式中，參數(shù)盡，在，<，(Λ(^的取值方法為/?:=/??瓜/(6〇，/：>丨），bQ和bi表示韓取值 的下限和上限，且滿(mǎn)足b〇>0，bi>0，b()<bi ; $ =及朗成―，今1)，％和ηι表示<取值的下限和上 限，且滿(mǎn)足％>〇，ηι>〇，η〇<ηι;丨，《丨），α〇和A表示《(取值的下限和上限，且滿(mǎn)足 〇 0>0，€[1>0，€[()彡€[1;(^ = 1^11(1((3()，(31)，(3()和(31表示(^取值的下限和上限，且滿(mǎn)足(3()>0，(3 1>0，(30 < Cl; d* = Rand (CQ，C1 )，(!0>0, do 和di 表示 d* 取值的下限和上限，且滿(mǎn)足 di>0，(Kdi; Qt = Rand (90,91)，90和91表示$取值的下限和上限，且滿(mǎn)足9()>0,91>0,9()彡91;1^11(1以，8)表示在[厶，8] 區(qū)間產(chǎn)生一個(gè)均勻分布隨機(jī)數(shù)，A和B為給定的常數(shù)，要求A<B。
[0066] 特征種群集合生成方法
[0067] 時(shí)期t，當(dāng)前害蟲(chóng)種群SPi，特征種群集合生成方法如下：
[0068] (1)產(chǎn)生高密度害蟲(chóng)種群集合AS:從N個(gè)害蟲(chóng)種群中隨機(jī)挑選出L個(gè)害蟲(chóng)種群，其編 號(hào)形成集合，使得對(duì)于所有^{ 81，82，'"，乳}，滿(mǎn)足以〇>^〇兒又稱(chēng) 為施加影響的害蟲(chóng)種群數(shù)。
[0069] (2)產(chǎn)生優(yōu)勢(shì)害蟲(chóng)種群集合PM:先從N個(gè)害蟲(chóng)種群中隨機(jī)挑選出L個(gè)種群，這些害蟲(chóng) 種群的PGI指數(shù)比當(dāng)前害蟲(chóng)種群Pj^PGI指數(shù)高，形成集合^>￥=1^，義2，"'，^^}，其中8 1， g2，···，gL是這些害蟲(chóng)種群的編號(hào)。
[0070] (3)產(chǎn)生強(qiáng)勢(shì)害蟲(chóng)種群集合SM:從N個(gè)害蟲(chóng)種群中隨機(jī)挑選出L個(gè)種群，這些害蟲(chóng)種 群的PGI指數(shù)和占比要比當(dāng)前種群PJ9PGI指數(shù)和占比高，形成強(qiáng)勢(shì)種群集合 = %，仏，···，^^}，.其中hi，h2，···，lu是這些害蟲(chóng)種群的編號(hào)；即對(duì)于所有sG {hi，h2，···， 匕}，有?61(父3(〇)>?61^(七）），且占比以〇1(〇。
[0071 ]演化算子
[0072] (1)食餌算子。該算子描述的是害蟲(chóng)種群被天敵種群捕食后，其密度下降，生長(zhǎng)特 征會(huì)發(fā)生變化。對(duì)于當(dāng)前害蟲(chóng)種群Pi來(lái)說(shuō)，有
[0074] 式中：v i, j (t +1)為時(shí)期t +1當(dāng)前害蟲(chóng)種群Pi的特征j狀態(tài)值；氣聲)、/ (0和
-?)_分別為時(shí)期t害蟲(chóng)種群A、巧和4的特征j的狀態(tài)值;il，i2，i3是從{si，S2，…，sl}中隨 機(jī)選取出來(lái)的，且滿(mǎn)足ii辛i2辛i3;Great(W，j)的含義是：
[0076] 1^1，匕，1?是從集合1中隨機(jī)選取的三個(gè)不同種群的編號(hào)，即滿(mǎn)足1^ 1辛1?辛1?。
[0077] (2)天敵算子。該算子描述的是天敵種群通過(guò)對(duì)害蟲(chóng)種群的捕食來(lái)控制害蟲(chóng)種群 的生長(zhǎng)，而害蟲(chóng)種群的生長(zhǎng)狀況是通過(guò)其特征的變化體現(xiàn)出來(lái)的。對(duì)于當(dāng)前害蟲(chóng)種群?:來(lái) 說(shuō)，有
[0079] (3)優(yōu)勢(shì)算子。該算子描述的是害蟲(chóng)種群之間的競(jìng)爭(zhēng)，優(yōu)勢(shì)種群會(huì)向其它種群施加 影響，即
[0080] 若j彡m,則
[0084] 式中，ga、gb、gc在{ gl，g2，…，gL }中隨機(jī)選擇，要求ga乒gb乒gc。
[0085] (4)強(qiáng)勢(shì)算子。該算子描述的是害蟲(chóng)種群之間的競(jìng)爭(zhēng)，強(qiáng)勢(shì)種群會(huì)向其它種群施加 影響。即
[0086] 若j彡m,則
I GreatiSMJ. j) \SM\^l
[0089] v (t = i …，Λ Π 3) ·Λ 7 \SM\=0 κ Λ}
[0090] 式中，ha、hb、hc在{hi，h2, ···，1il}中隨機(jī)選擇，要求ha辛hb辛hc。
[0091] (5)生長(zhǎng)算子。該算子描述的是種群的生長(zhǎng)，即 「 ^ 1、 Μ(Ζ + 1)若PG明(l + 1))>PGT(X(i)} ΛΓ η/Ι.
[0092] X,. (? + 1) = <| , i=lr 2., ·*-：, Ν (14) - [Χ(0 其它
[0093] 式中：
[0094] Xi(t) = (Xi,i(t)，Xi,2(t)，···，Xi,n(t));
[0095] Vi(t+l) = (vi,i(t+l)，Vi,2(t+l)，···，Vi,n(t+l))。
[0096] M0SL0_CIPPSD 方法的構(gòu)造
[0097] 所述M0SL0_CIPPSD方法包括如下步驟：
[0098] 以1)初始化：
[0099] a)令t = 0;按表1初始化本方法中涉及到的所有參數(shù)；
[0100] b)隨機(jī)確定N個(gè)害蟲(chóng)種群的初始密度71(0)，72(0)，'"，7〃(0);
[0101 ] c)隨機(jī)確定天敵種群的初始密度z(0);
[0102] d)隨機(jī)確定N個(gè)試探解Xi (0)，X2 (0)，…，XN(0);
[0103] 表1參數(shù)的取值方法 參數(shù)名 取值方法 ^： 演化時(shí)期數(shù)G其取值依據(jù)是為/防止迭代過(guò)程小滿(mǎn)足收斂條件時(shí)出規(guī)尤限 演化時(shí)期數(shù)G 迭代；取值范圍為G=80(XK300000
[0104] 最優(yōu)解的最低誤S>0, C越小.聽(tīng)獲得的雖優(yōu)解的精/S越高，但計(jì):算時(shí)間越長(zhǎng);取值范圍為 差要求e 6=1〇-5~1〇-1()即可 變量總數(shù)《 由實(shí)際優(yōu)化問(wèn)題確定
[0106] (S2)執(zhí)行下列操作：
[0107] (S3)令時(shí)期t從0到G，循環(huán)執(zhí)行下述步驟(S4)~步驟(S23)，其中G為演化時(shí)期數(shù)；
[0108] ( S4 )計(jì)算：二你賺/(如，乃1)，",:=/?洲《：/("()，"1)，α;=/??"π/(α()，ai)，i = 1， 2，···，N;ct = Rand(c〇，ci)，dt = Rand(d〇，di)，Qt = Rand(Q〇，Qi);
[0109] (S5)按式(5)計(jì)算ri(t)，i = l，2，···，N;
[0110] (S6)令i從1到N，循環(huán)執(zhí)行下述步驟(S7)~步驟(S20);
[0111] (37)生成特征種群集合43、？]?、3]\1;
[0112] (S8)若t不能被T整除，則按式(6)計(jì)算yi(t+l)和z(t+l);否則，若t能被T整除，則 按式(7)計(jì)算yi(t+l)和z(t+l);
[0113] (S9)令j從1到n，循環(huán)執(zhí)行下述步驟(S10)~步驟(S18);
[0114] (S10)計(jì)算:p = Rand(0，l)，其中p為害蟲(chóng)種群Pi被天敵種群捕食和害蟲(chóng)種群Pi與其 它同類(lèi)種群相互競(jìng)爭(zhēng)時(shí)，其生長(zhǎng)特征受到影響的實(shí)際概率；
[0115] (S11)若pSEo,則執(zhí)行步驟(S12)~(S16)，其中Eo為害蟲(chóng)種群因被天敵種群捕食和 同類(lèi)種群相互競(jìng)爭(zhēng)時(shí)，其生長(zhǎng)特征受到影響的最大概率;否則，轉(zhuǎn)步驟(S17);
[0116] (S12)計(jì)算:qo = Rand(0,1)，其中qo為食t耳算子、天敵算子、優(yōu)勢(shì)算子、強(qiáng)勢(shì)算子被 執(zhí)行的實(shí)際概率；
[0117] (S13)若qo彡1/4,則按式(8)執(zhí)行食餌算子，得到Vl」(t+1);
[0118] (S14)若l/4〈qQ彡1/2,則按式(9)執(zhí)行天敵算子，得到Vljt+1);
[0119] (S15)若l/2〈qo彡3/4,則當(dāng)j彡m時(shí)按式（10)執(zhí)行優(yōu)勢(shì)算子，得到Vi,j(t+1);當(dāng)j>m 時(shí)按式（11)執(zhí)行優(yōu)勢(shì)算子，得到VU(t+l);
[0120] (S16)若3/4〈qo彡1，則當(dāng)j彡m時(shí)按式（12)強(qiáng)勢(shì)算子，得到Vi,j(t+1);當(dāng)j>m時(shí)按式 (13)執(zhí)行強(qiáng)勢(shì)算子，得到Vljt+1);
[0121] (S17)Sp>Eo，^J$Vi，j(t+l)=Xi，j(t);
[0122] (S18)令j = j+1，若j彡η，則轉(zhuǎn)步驟(S10)，否則轉(zhuǎn)步驟(S19);
[0123] (S19)按式(14)執(zhí)行生長(zhǎng)算子，得到XKt+l);
[0124] (S20)令i = i+1，若i彡N，則轉(zhuǎn)步驟(S7)，否則轉(zhuǎn)步驟(S21);
[0125] (S21)若新得到的全局最優(yōu)解X$t+1與最近一次獲得的全局最優(yōu)解之間的誤差滿(mǎn)足 最低要求ε，則轉(zhuǎn)步驟(S24)，否則轉(zhuǎn)步驟(S22);
[0126] (S22)保存新得到的全局最優(yōu)解)Τ+1;
[0127] (S23)令t = t+l，若t<G，則轉(zhuǎn)上述步驟(S4)，否則轉(zhuǎn)步驟(S24);
[0128] (S24)結(jié)束。
[0129] M0SL0_PZPMD方法中的相關(guān)參數(shù)取值方法如表1所示。
[0130]有益效果
[0131 ]本發(fā)明和現(xiàn)有技術(shù)相比，具有如下優(yōu)點(diǎn)：
[0132] 1、本發(fā)明公開(kāi)的是一種基于常數(shù)脈沖投放多種群捕食-被食系統(tǒng)動(dòng)力學(xué)模型的多 目標(biāo)組合調(diào)度優(yōu)化方法，即M0SL0_CIPPSD方法。在該方法中，采用常數(shù)脈沖投放多種群捕 食-被食系統(tǒng)動(dòng)力學(xué)理論，假設(shè)在一個(gè)生態(tài)系統(tǒng)中種植了一種貴重藥用植物，以該藥用植物 為食的害蟲(chóng)種群有若干種;為了確保該貴重藥用植物天然品質(zhì)，人為依靠自然力量來(lái)控制 害蟲(chóng)種群對(duì)該貴重藥用植物的危害;這些害蟲(chóng)種群存在同一種天敵種群，該天敵種群以這 些害蟲(chóng)種群為食，即天敵種群與害蟲(chóng)種群構(gòu)成捕食-被食關(guān)系。害蟲(chóng)種群和天敵種群的自我 繁衍過(guò)程是一個(gè)連續(xù)的過(guò)程，害蟲(chóng)種群數(shù)量的減少會(huì)導(dǎo)致天敵種群數(shù)量的減少；由于害蟲(chóng) 種群數(shù)很多，天敵種群數(shù)量的減少會(huì)導(dǎo)致害蟲(chóng)種群數(shù)量的劇增;為了有效控制害蟲(chóng)種群，必 須定期人工放養(yǎng)天敵種群，使天敵種群數(shù)量瞬間突增，突然增加的天敵種群會(huì)逐步抑制害 蟲(chóng)種群的數(shù)量劇增;害蟲(chóng)種群的生長(zhǎng)變化相當(dāng)于搜索空間的試探解從一個(gè)位置轉(zhuǎn)移到另外 一個(gè)位置;天敵種群數(shù)量的脈沖增加會(huì)導(dǎo)致害蟲(chóng)種群數(shù)量的突然變化，此相當(dāng)于搜索空間 的試探解從一個(gè)位置猛烈跳到另外一個(gè)位置，這種性質(zhì)有利于使搜索跳出局部最優(yōu)解陷 阱;本方法具有搜索能力強(qiáng)和全局收斂性的特點(diǎn)，為多目標(biāo)組合調(diào)度優(yōu)化問(wèn)題(2)的求解提 供了一種解決方案。
[0133] 2、M0SL0_CIPPSD方法的搜索能力很強(qiáng)。M0SL0_CIPPSD方法包括有食餌算子、天敵 算子、優(yōu)勢(shì)算子和強(qiáng)勢(shì)算子，這些算子大幅增加了其搜索能力。
[0134] 3、模型參數(shù)取值簡(jiǎn)單。采用隨機(jī)方法確定基于常數(shù)脈沖投放多種群捕食-被食系 統(tǒng)動(dòng)力學(xué)模型中的相關(guān)參數(shù)和食餌算子、天敵算子、優(yōu)勢(shì)算子和強(qiáng)勢(shì)算子的相關(guān)參數(shù)，既大 幅減少了參數(shù)輸入個(gè)數(shù)，又使模型更能表達(dá)實(shí)際情況。
[0135] 4、天敵種群數(shù)量的脈沖增減相當(dāng)于搜索空間的試探解從一個(gè)位置猛烈跳到另外 一個(gè)位置，這種性質(zhì)有利于使搜索跳出局部最優(yōu)解陷阱。
[0136] 5、M0SL0_CIPPSD方法考慮到了多種群在競(jìng)爭(zhēng)過(guò)程中外界因素的不連續(xù)間斷介入 的現(xiàn)象。
[0137] 6、M0SL0_CIPPSD方法所涉及的相互作用過(guò)程豐富多彩，體現(xiàn)出了生態(tài)系統(tǒng)中常見(jiàn) 的不同類(lèi)種群間的復(fù)雜捕食-被食關(guān)系和同類(lèi)種群之間的競(jìng)爭(zhēng)關(guān)系。
[0138] 7、M0SL0_CIPPSD方法所涉及的競(jìng)爭(zhēng)過(guò)程充分體現(xiàn)了害蟲(chóng)種群的增長(zhǎng)率和減少率， 害蟲(chóng)種群之間的競(jìng)爭(zhēng)關(guān)系，天敵種群的轉(zhuǎn)化率、增長(zhǎng)率、脈沖投放周期、脈沖投放數(shù)量等參 數(shù)的復(fù)雜變化情況。
[0139] 8、本發(fā)明M0SL0_CIPPSD方法的特點(diǎn)如下：
[0140] 1)時(shí)間復(fù)雜度較低。M0SL0_CIPPSD方法的時(shí)間復(fù)雜度計(jì)算過(guò)程如表2所示，其時(shí)間 復(fù)雜度與演化時(shí)期數(shù)G、害蟲(chóng)種群規(guī)模N、變量個(gè)數(shù)η以及各算子的時(shí)間復(fù)雜度以及其他輔助 操作相關(guān)。
[0141] 表2M0SL0_CIPPSD方法的時(shí)間復(fù)雜度計(jì)算表
[0144] 2)M0SL0_CIPPSD方法具有全局收斂性。從食餌算子、天敵算子、優(yōu)勢(shì)算子和強(qiáng)勢(shì)算 子的定義知，任何一新試探解的生成只與該試探解的當(dāng)前狀態(tài)有關(guān)，而與該試探解以前是 如何演變到當(dāng)前狀態(tài)的歷程無(wú)關(guān)，表明M0SL0_CIPPSD方法的演化過(guò)程具有Markov特性;從 生長(zhǎng)算子的定義知，M0SL0_CIPPSD方法的演化過(guò)程具有"步步不差"特性；此兩點(diǎn)可確保 M0SL0_CIPPSD方法具有全局收斂性，其相關(guān)證明與文獻(xiàn)《SIS epidemic model-based optimization，Journal of Computational Science，2014,第5卷，第32-50頁(yè)》類(lèi)似，本發(fā) 明不再贅述。
【具體實(shí)施方式】
[0145] 以下結(jié)合具體實(shí)例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述。
[0146] (1)確定要求解的實(shí)際優(yōu)化問(wèn)題，將該問(wèn)題轉(zhuǎn)化成多目標(biāo)組合調(diào)度優(yōu)化模型式（1) 所描述的標(biāo)準(zhǔn)形式。然后，通過(guò)目標(biāo)函數(shù)加權(quán)的方法，將優(yōu)化模型式（1)轉(zhuǎn)化成單目標(biāo)組合 調(diào)度優(yōu)化模型式(2)所描述的標(biāo)準(zhǔn)形式。
[0147] (2)按表1確定M0SL0_CIPPSD方法的參數(shù)。
[0148] (3)運(yùn)行M0SL0_CIPPSD方法進(jìn)行求解。
[0149] (4)對(duì)于下列實(shí)際優(yōu)化問(wèn)題，求11=100,200,400,600,800，1000，1200時(shí)的全局最 優(yōu)解。
[0150] min{fi(X)，f2(X)}
[0154] a)通過(guò)目標(biāo)函數(shù)加權(quán)的方法，將該優(yōu)化問(wèn)題轉(zhuǎn)化成單目標(biāo)優(yōu)化問(wèn)題的標(biāo)準(zhǔn)形式， 即
[0155] minf(X) = 10fi(X)+f2(X)
[0156] S · t ._l(Xxi<10，i = 1，2,…，η_3;Χη-2+Xn-l+Xn彡 1 ;Χη-2，Χη-1，Χη = 0或 1
[0157] b)按表1確定MOSLO_CIPPSD方法的參數(shù)，如表3所示。
[0158] 表3M0SL0_CIPPSD方法相關(guān)參數(shù)的取值方法
[0160] (5)采用MOSLO_CIPPSD方法進(jìn)行求解，所得結(jié)果如表4所示。
[0161] 表4計(jì)算結(jié)果
[0163] (6)求得的最優(yōu)解在 xi在[1.126713E-8,4.231869E-8]2ft，i = l，2，~，n-3;xn-2 = 0?Χη-1 = 0?Χη=1〇
【主權(quán)項(xiàng)】
1.一種基于脈沖投放捕食-被食模型的多目標(biāo)組合調(diào)度優(yōu)化方法，即MOSLO_CIPPSD方 法，其特征在于:設(shè)要解決的多目標(biāo)組合調(diào)度優(yōu)化模型的一般形式如下：式中： (l)r是η維歐氏空間，η為該優(yōu)化模型所包含的變量總數(shù)； (2；)Χ=(Χ1，Χ2，···，Xm，Xm+l，···，Χη)是一個(gè) η 維決策向量，其中，前 m 個(gè)變量 Χ1，Χ2，···，Xm 是連 續(xù)實(shí)數(shù)型變量，用來(lái)表示模型中設(shè)及到的資源型參數(shù);后n-m個(gè)變量Χη+1，···，Χη是0、1整數(shù)型 變量，一個(gè)0、1整數(shù)型變量又稱(chēng)為一個(gè)要素，即對(duì)于任意Xj e {xm+1，…，Χη}，若Xj = 1，則表示 第j個(gè)要素被選中為該最優(yōu)組合調(diào)度中的一個(gè)要素，若^ = 0,則表示第j個(gè)要素未被選中； (3)fi(X)，f2(X)，…，fM(X)為Μ個(gè)目標(biāo)函數(shù)，用來(lái)表示選擇組合調(diào)度策略時(shí)的Μ個(gè)控制目 標(biāo)要求； (4 )化，〇2，· · ·，〇Μ為Μ個(gè)目標(biāo)函數(shù)的優(yōu)先級(jí)，優(yōu)先級(jí)次序要求滿(mǎn)足化〉〇2〉· · ·〉〇Μ，即目標(biāo)函 數(shù)fl(X)首先要求達(dá)到最小，其次是f2(X)，再其次是f3(X)，依次類(lèi)推，最后要求達(dá)到最小的 是目標(biāo)函數(shù)fM(X); (5) 線(xiàn),(λ〇-：Ξ??)表示要素選擇時(shí)所需滿(mǎn)足的第ia個(gè)不等式約束條件；I為不等式約束條 件編號(hào)的集合； (6) \y〇=0表示要素選擇時(shí)所需滿(mǎn)足的第ib個(gè)等式約束條件;E為等式約束條件編 號(hào)的集合； (7) {fi(X)，i = l，2，...，M}、{g,..,y〇，feE/;.、1\(乂），起巨置}的數(shù)學(xué)表達(dá)式?jīng)]有 限制條件； (8) H為捜索空間，又稱(chēng)解空間； (9) 計(jì)算時(shí)，決策向量X也稱(chēng)為試探解;若試探解X不滿(mǎn)足約束條件，則令f(X)=+w; 將多目標(biāo)組合調(diào)度優(yōu)化模型式(1)轉(zhuǎn)換成如下單目標(biāo)組合調(diào)度優(yōu)化模型：式中，Ok= l〇M-k; k為目標(biāo)函數(shù)的編號(hào)； 所述MOSLO_CIPPSD方法采用常數(shù)脈沖投放多種群捕食-被食系統(tǒng)動(dòng)力學(xué)理論，假設(shè)在 一個(gè)生態(tài)系統(tǒng)中種植了一種貴重藥用植物，W該藥用植物為食的害蟲(chóng)種群有若干種;為了 確保該貴重藥用植物天然品質(zhì)，人為依靠自然力量來(lái)控制害蟲(chóng)種群對(duì)該貴重藥用植物的危 害;運(yùn)些害蟲(chóng)種群存在同一種天敵種群，該天敵種群w運(yùn)些害蟲(chóng)種群為食，即天敵種群與害 蟲(chóng)種群構(gòu)成捕食-被食關(guān)系;害蟲(chóng)種群和天敵種群的自我繁衍過(guò)程是一個(gè)連續(xù)的過(guò)程，害蟲(chóng) 種群數(shù)量的減少會(huì)導(dǎo)致天敵種群數(shù)量的減少；由于害蟲(chóng)種群數(shù)很多，天敵種群數(shù)量的減少 會(huì)導(dǎo)致害蟲(chóng)種群數(shù)量的劇增;為了有效控制害蟲(chóng)種群，必須定期人工放養(yǎng)天敵種群，使天敵 種群數(shù)量瞬間突增，突然增加的天敵種群會(huì)逐步抑制害蟲(chóng)種群的數(shù)量劇增;害蟲(chóng)種群的生 長(zhǎng)變化相當(dāng)于捜索空間的試探解從一個(gè)位置轉(zhuǎn)移到另外一個(gè)位置;天敵種群數(shù)量的脈沖增 加會(huì)導(dǎo)致害蟲(chóng)種群數(shù)量的突然變化，此相當(dāng)于捜索空間的試探解從一個(gè)位置猛烈跳到另外 一個(gè)位置，運(yùn)種性質(zhì)有利于使捜索跳出局部最優(yōu)解陷阱； 時(shí)期t，害蟲(chóng)種群Pi的生長(zhǎng)能力強(qiáng)弱用種群生長(zhǎng)指數(shù)PGI來(lái)表示，害蟲(chóng)種群Pi的PGI指數(shù) 計(jì)算方法為：式中，Xi(t)為時(shí)期t害蟲(chóng)種群Pi所對(duì)應(yīng)的試探解;N為害蟲(chóng)種群數(shù)；i表示害蟲(chóng)種群Pi的 編號(hào)； 所述M0化0_CIPPSD方法包括如下步驟： (51)初始化： a) 令時(shí)期t = 0;按表1初始化本方法中設(shè)及到的所有參數(shù)； b) 隨機(jī)確定N個(gè)害蟲(chóng)種群的初始密度yi(0)，y2(0)，…，yN(0); c) 隨機(jī)確定天敵種群的初始密度z (Ο); d) 隨機(jī)確定N個(gè)試探解Xi (Ο)，拉(Ο)，…，Xn(Ο); 表1參數(shù)的取值方法(52) 執(zhí)行下列操作： (53) 令時(shí)期t從0到G，循環(huán)執(zhí)行下述步驟(S4)~步驟(S23)，其中G為演化時(shí)期數(shù)； (54) 計(jì)算：/5^=化豚/(知;'，&|)，《二化服/〇?()，'71)，式=化:豚/(俯，《1)，/=1，2,…， W;ct = Rand(c〇，ci)，dt = Rand(d〇，di)，Qt = Rand(Q〇，Qi); 式中：磚，秦，α;，ct，d*，Qt分別為參數(shù)bi，ru，αi，c，d，Q在時(shí)期t的取值;bi表示害蟲(chóng)種 群Pi的增長(zhǎng)率，bi〉0，b〇和bl表不取值的下限和上限，且滿(mǎn)足13〇〉0，131〉0，13〇《131;11康不害蟲(chóng) 種群Pi的減少率，化〉〇，％和化表示巧諫值的下限和上限，且滿(mǎn)足11日〉0，化〉0，恥《化；〇康示害 蟲(chóng)種群之間的競(jìng)爭(zhēng)參數(shù)，日i〉〇,日日和日康不.α諫值的下限和上限，且滿(mǎn)足日日〉0,日1〉〇,日日《曰i;d 表示天敵種群的轉(zhuǎn)化率，d〉0，do和di表示dt取值的下限和上限，且滿(mǎn)足d〇〉0，di〉0，d〇《di; C 表示天敵種群的增長(zhǎng)率，c〉0，CO和Cl表示ct取值的下限和上限，且滿(mǎn)足c〇〉0，ci〉0，c〇《ci; Q 表不天敵種群的投放量，Q〉〇，Qo和Qi表不Qt取值的下限和上限，且滿(mǎn)足Qq〉〇，Qi〉〇，9〇《化. Rand(A，B)表示在[A，B]區(qū)間產(chǎn)生一個(gè)均勻分布隨機(jī)數(shù)，A和B為給定的常數(shù)，要求A《B; (55) 按式巧)計(jì)算；Ti(t):(3、 式中，ri(t)為時(shí)期t害蟲(chóng)種群Pi在所有害蟲(chóng)種群中所占的比例，ri(t)又稱(chēng)為害蟲(chóng)種群Pi 的占比;yi(t)，ys(t)分別表示時(shí)期t害蟲(chóng)種群Pi和Ps的密度，yi(t)>0，ys(t)>0; (56) 令i從巧的，循環(huán)執(zhí)行下述步驟(S7)~步驟(S20); (57) 生成特征種群集合AS、PM、SM;時(shí)期t，對(duì)于當(dāng)前害蟲(chóng)種群為Pi,特征種群集合AS、PM、 SM的生成方法如下： a) 產(chǎn)生高密度害蟲(chóng)種群集合AS:從N個(gè)害蟲(chóng)種群中隨機(jī)挑選出L個(gè)害蟲(chóng)種群，其編號(hào)形 成集合，C，，…· C.. Μ吏得對(duì)于所有S E {S1，S2，…，SL}，滿(mǎn)足。(t) >ri (t); L又稱(chēng)為施 加影響的害蟲(chóng)種群數(shù)； b) 產(chǎn)生優(yōu)勢(shì)害蟲(chóng)種群集合PM:先從N個(gè)害蟲(chóng)種群中隨機(jī)挑選出L個(gè)種群，運(yùn)些害蟲(chóng)種群 的口61指數(shù)比當(dāng)前害蟲(chóng)種群口1的？61指數(shù)高，形成集合^^ =作^^1，戶(hù).:，"'，/^:.';，其中邑1他，···， gL是運(yùn)些害蟲(chóng)種群的編號(hào)； C)產(chǎn)生強(qiáng)勢(shì)害蟲(chóng)種群集合SM:從N個(gè)害蟲(chóng)種群中隨機(jī)挑選出L個(gè)種群，運(yùn)些害蟲(chóng)種群的 P G I指數(shù)和占比要比當(dāng)前種群P 1的P G I指數(shù)和占比高，形成強(qiáng)勢(shì)種群集合 縱=解，瑪，…，巧>其中hl，h2，...，k是運(yùn)些害蟲(chóng)種群的編號(hào)；即對(duì)于所有SE化1也，·.·， 山}，有口61佑（〇)沖61化4))，且占比。（1)〉^(〇; (58) 若t不能被T整除，則按式(6)計(jì)算害蟲(chóng)種群Pi的密度yi(t+l)和天敵種群的密度z(t +1);否則，若t能被T整除，則按式(7)計(jì)算yi(t+l)和z(t+l);式中，T表示天敵種群的投放周期;z(t)表示時(shí)期t天敵種群的密度，z(t)>0; 式(6)、式(7)來(lái)自于式(4)所描述的帶有常數(shù)脈沖投放的多種群捕食-被食系統(tǒng)動(dòng)力學(xué) 模型：(4) (59) 令j從巧Ijn，循環(huán)執(zhí)行下述步驟(S10)~步驟(S18); (510) 計(jì)算:p = Rand(0，l)，其中P為害蟲(chóng)種群Pi被天敵種群捕食和害蟲(chóng)種群Pi與其它同 類(lèi)種群相互競(jìng)爭(zhēng)時(shí)，其生長(zhǎng)特征受到影響的實(shí)際概率； (511) 若p《E〇,則執(zhí)行步驟(S12)~（S16)，其中Eo為害蟲(chóng)種群因被天敵種群捕食和同類(lèi) 種群相互競(jìng)爭(zhēng)時(shí)，其生長(zhǎng)特征受到影響的最大概率;否則，轉(zhuǎn)步驟(S17); (512) 計(jì)算:qo = Rand(0，l)，其中qo為食巧算子、天敵算子、優(yōu)勢(shì)算子、強(qiáng)勢(shì)算子被執(zhí)行 的實(shí)際概率； 間3)若qo《l/4,貝販?zhǔn)?8)執(zhí)行食巧算子，得到vij(t+l);巧） 式中：V i, j (t+1)為時(shí)期t+1當(dāng)前害蟲(chóng)種群P i的特征j狀態(tài)值;疋1,典.)、*% .待和.? j .巧分 別為時(shí)期t害蟲(chóng)種群巧、瑪和與的特征j的狀態(tài)值;il，i2，i3是從{si，S2，-，，Sl}中隨機(jī)選取 出來(lái)的，且滿(mǎn)足ii聲i2聲i3;Great(W，j)的含義是：kl，k2，k3是從集合W中隨機(jī)選取的立個(gè)不同種群的編號(hào)，即滿(mǎn)足ki聲k2聲k3; (514) 若l/4<qo《l/2,則按式(9)執(zhí)行天敵算子，得到vi,^t+l);傑 (515) 若l/2<q〇《3/4,則當(dāng)時(shí)按式(10)執(zhí)行優(yōu)勢(shì)算子，得到vi,j(t+l);當(dāng)j〉m時(shí)按式 (11)執(zhí)行優(yōu)勢(shì)算子，得到VI,式中，ga、gb、gc在{邑1，邑2，...前}中隨機(jī)選擇，要求邑3聲邑林邑。； (516) 若3/4<q〇《l，則當(dāng)時(shí)按式（12)強(qiáng)勢(shì)算子，得到vij(t+l);當(dāng)j〉m時(shí)按式（13)執(zhí) 行強(qiáng)勢(shì)算子，得到VI, ^t+l); 、 --.'J'式中，ha、hb、hc在化I，h2,…，山}中隨機(jī)選擇，要求ha聲hb聲he; (517) 若口述〇，則令￥：^(1+1)=町^1:); (518) 令j = j+1，若j《η，則轉(zhuǎn)步驟(S10)，否則轉(zhuǎn)步驟(S19); (519) 按式（14)執(zhí)行生長(zhǎng)算子，得到Xi(t+1); 式中：Xi(t) = (xi,l(t) ,Xi,2(t) ,···,Χ?,η(?))； Vi(t+l) = (Vi'l(t+l)，Vi'2(t+l)，...，Vi'n(t+l)); 偵0)令i = i+1，若i《N，則轉(zhuǎn)步驟（S7)，否則轉(zhuǎn)步驟偵1); (521) 若新得到的全局最優(yōu)解與最近一次獲得的全局最優(yōu)解之間的誤差滿(mǎn)足最低 要求ε，則轉(zhuǎn)步驟(S24)，否則轉(zhuǎn)步驟(S22); (522) 保存新得到的全局最優(yōu)解 (523) 令t = t+1，若t《G，則轉(zhuǎn)上述步驟(S4)，否則轉(zhuǎn)步驟(S24); (524) 結(jié)束。
【文檔編號(hào)】G06N3/00GK106096721SQ201610445919
【公開(kāi)日】2016年11月9日
【申請(qǐng)日】2016年6月20日
【發(fā)明人】黃光球, 陸秋琴
【申請(qǐng)人】西安建筑科技大學(xué)