CN109857937A - 一种基于Sine映射和分段式并行连续禁忌搜索数据处理方法 - Google Patents

Abstract

本发明涉及一种基于Sine映射和分段式并行连续禁忌搜索数据处理方法，包括以下步骤：S1：利用Sline映射生成初始寻优候选成员；S2：采用分段式搜索生成领域及领域候选解；S3：以禁忌准则比较判断每次并行框架下迭代的目标函数适应度值；S4：当寻优迭代次数大于全局控制迭代数时，停止迭代输出CNOP最优解，否则跳至步骤S2继续寻优。与现有技术相比，本发明基于避免使用伴随模式的考虑，利用Sine映射、分阶段寻优以及并行技术改进了连续禁忌搜索算法，提高CNOP求解的效率，并扩展了其应用领域。

Description

一种基于Sine映射和分段式并行连续禁忌搜索数据处理方法

技术领域

本发明涉及计算机科学与气象科学的交叉学科研究领域，用于求解条件非线性最优扰动CNOP(Conditional Nonlinear Optimal Perturbation，CNOP)的优化求解，尤其是涉及一种基于Sine映射和分段式并行连续禁忌搜索数据处理方法(Parallel ContinuousTabu Search Algorithm with Sine Maps and Staged Strategy，CTS-SS)。

背景技术

CNOP一般应用于气象科学中进行天气或气候的可预报性研究，其求解最常用的方法是谱投影梯度方法。

该方法基于气象数值模式的伴随模式提供梯度信息进行寻优，但伴随模式求解梯度的计算量巨大、耗时较长，且谱投影梯度方法无法并行。此外，不是所有的数值模式都开发了相应的伴随模式，且伴随模式的开发工程量巨大，尤其对于很多复杂的大模式来说，该过程可能会消耗数年时间。本发明基于避免使用伴随模式的考虑，利用Sine映射、分阶段寻优以及并行技术改进了连续禁忌搜索算法，提高CNOP求解的效率，并扩展了其应用领域。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于Sine映射和分段式并行连续禁忌搜索数据处理方法，本发明的CTS-SS方法主要包括三方面改进：Sine映射优化初始寻优候选解、分阶段寻优、并行化框架。

本发明的目的可以通过以下技术方案来实现：

一种基于Sine映射和分段式并行连续禁忌搜索数据处理方法，包括以下步骤：

S1：利用Sline映射生成初始寻优候选成员；

S2：采用分段式搜索生成领域及领域候选解；

S3：以禁忌准则比较判断每次并行框架下迭代的目标函数适应度值；

S4：当寻优迭代次数大于全局控制迭代数时，停止迭代输出CNOP最优解，否则跳至步骤S2继续寻优。

进一步地，所述步骤S1包括以下分步骤：

S11：在(-1，1)区间内随机生成初始个体X₀，随后对其进行迭代K次的混沌计算；

S12：通过K次迭代将初始个体X₀变成X_k；

S13：将迭代后的值赋值给初始候选寻优个体C_i；

S14：用Sine映射方法生成了pop个初始候选寻优个体，从中选出一个具有最佳适应度函数值的寻优个体C作为初始寻优候选解。

进一步地，所述步骤S1的过程描述公式为：

x_0,j＝rand(-1,1),j＝1,2,...,n

x_k+1,j＝sin(πx_k,j),x_k,j∈(-1,1),k＝0,1,2...K

C_i.j＝x_K,j,i＝1,2,...,pop。

C＝min{C₁,C₂,...,C_pop}i＝1,2,...,pop

进一步地，所述步骤S2包括以下分步骤：

S21：设定第一领域半径值和第一领域候选解个数进行第一阶段全局搜索；

S22：设定第二领域半径值进行第二阶段局部搜索。

进一步地，所述步骤S21，其描述公式为：

式中，R₁为第一阶段领域半径，S_i1为第一阶段候选解，j＝1,2,...,n，i1＝1,2,...,m1，m1为第一阶段候选解个数。

进一步地，所述步骤S22，其描述公式为：

式中，R₂为第二阶段领域半径，S_i2为第二阶段候选解，j＝1,2,...,n，i2＝1,2,...,m2，m2为第二阶段候选解个数。

进一步地，所述步骤S3包括以下分步骤：

S31：针对第一搜索阶段，如果S_i1不在禁忌表内，判断适应度函数值f(S_i1)-best_value>＝ε是否为真，若为真，则将当前最优解C列入禁忌表，同时更新best_value＝f(S_i1)，C＝S_i1，其中best_value是当前最优解C的适应度函数值，ε是禁忌判定参数，第一阶段共运行maxcycle1次。

S32：针对第二搜索阶段，如果S_i2不在禁忌表内，判断适应度函数值f(S_i2)-best_value>＝ε是否为真，若为真，则将当前最优解C列入禁忌表，同时更新best_value＝f(S_i2)，C＝S_i2，其中best_value是当前最优解C的适应度函数值，ε是禁忌判定参数，第一阶段共运行maxcycle2次。

与现有技术相比，本发明具有以下优点：

(1)求解效率高，速度快，本发明基于避免使用伴随模式的考虑，利用Sine映射、分阶段寻优以及并行技术改进了连续禁忌搜索算法，提高CNOP求解的效率，并扩展了其应用领域。

(2)精确度高，稳定性好，本发明通过本发明在气象数值模式中进行条件非线性最优扰动(CNOP)的优化求解。首先使用Sine映射生成初始寻优候选解，设置两次分阶段寻优过程中的领域半径及其候选解个数，根据当前的硬件资源设置并行计算核心数，再进行主进程和子进程的分配，完成基于Sine映射和分段式策略的并行连续禁忌搜索算法(CTS-SS)高效求解CNOP，精确度高，稳定性好。

附图说明

图1为本发明的方法流程示意图；

图2为本发明的分段式流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

实施例

如附图1所示，左侧是CTS-SS算法的整体流程，由Master进程(主进程控制)：包括Sine映射生成较优初始成员(初始寻优候选解)、生成邻域及邻域候选解(包括第一阶段和第二阶段)、并行计算各候选解的适应度函数值(目标函数适应度值)、判断是否程序是否终止，若是，输出CNOP；否则更新成员(当前最优解)，再进行阶段性寻优。附图1的右侧为Master-Slaver并行结构计算各候选解适应度值的示意图，两次阶段性寻优的计算过程均如图中所示，区别在于每个Slaver进程所计算的候选解的个数。

附图1中Sine映射生成初始寻优候选解的过程如下：

x_0,j＝rand(-1,1),j＝1,2,...,n

x_k+1,j＝sin(πx_k,j),x_k,j∈(-1,1),k＝0,1,2...K

C_i.j＝x_K,j,i＝1,2,...,pop

C＝min{C₁,C₂,...,C_pop}i＝1,2,...,pop

以上四个式子对应具体步骤过程如下：

1：在(-1，1)区间内随机生成初始个体X₀，随后对其进行迭代K次的混沌计算；

2：通过K次迭代将初始个体X₀变成X_k；

3：将迭代后的值赋值给初始候选寻优个体C_i；

4：用Sine映射方法生成了pop个初始候选寻优个体，从中选出一个具有最佳适应度函数值的寻优个体C作为初始寻优候选解。

附图2展示了CTS-SS算法的分段式搜索策略，即将原连续禁忌搜索算法(CTS)的计算过程分为两个阶段：第一阶段选用较大的邻域半径值并设定较小的邻域候选解个数，增大全局搜索力度，此阶段的处理按照下式：

式中，R₁为第一阶段领域半径，S_i1为第一阶段候选解，j＝1,2,...,n，i1＝1,2,...,m1，m1为第一阶段候选解个数。

在第一阶段邻域半径R₁生成m1候选解个数{S₁，S₂，…，S_i1，…，S_m1}，当满足第一个条件时，说明S_i1在半径为R₁的领域内，无需调整；当满足第二个条件时，将S_i1的每一维调整至半径为R₁的领域内。计算S_i1的适应度函数值f(S_i1)，如果S_i1不在禁忌表内，判断f(S_i1)-best_value>＝ε是否为真，若为真，则将当前最优解C列入禁忌表，同时更新best_value＝f(S_i1)，C＝S_i1，其中best_value是当前最优解C的适应度函数值，ε是禁忌判定参数，第一阶段共运行maxcycle1次。

第二阶段的邻域半径值会被减小，相应的候选解个数增多，加大局部搜索力度，其描述处理描述公式如下：

式中，R₂为第二阶段领域半径，S_i2为第二阶段候选解，j＝1,2,...,n，i2＝1,2,...,m2，m2为第二阶段候选解个数。

在第二阶段邻域半径R₂生成m2候选解个数{S₁，S₂，…，S_i2，…，S_m2}，当满足第一个条件时，说明S_i2在半径为R₂的领域内，无需调整；当满足第二个条件时，将S_i2的每一维调整至半径为R₂的领域内。计算S_i2的适应度函数值f(S_i2)，如果S_i2不在禁忌表内，判断f(S_i2)-best_value>＝ε是否为真，若为真，则将当前最优解C列入禁忌表，同时更新best_value＝f(S_i2)，C＝S_i2，其中best_value是当前最优解C的适应度函数值，ε是禁忌判定参数，第一阶段共运行maxcycle2次。

如附图1所示，假设有S个进程可供并行计算，其中1个作为Master进程(主进程)，S-1个作为Slave进程(子进程)。在CTS-SS寻优的第一阶段，每个Slave进程将计算m1/(S-1)个个体的适应度函数值；在CTS-SS寻优的第二阶段，每个Slave进程将计算m2/(S-1)个个体的适应度函数值。

当迭代次数大于全局控制迭代数时，程序终止，CNOP的最优解为C，其适应度函数值为best_value，否则跳至分段式搜索阶段继续寻优。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (7)

1.一种基于Sine映射和分段式并行连续禁忌搜索数据处理方法，其特征在于，包括以下步骤：

S1：利用Sline映射生成初始寻优候选成员；

S2：采用分段式搜索生成领域及领域候选解；

S3：以禁忌准则比较判断每次并行框架下迭代的目标函数适应度值；

S4：当寻优迭代次数大于全局控制迭代数时，停止迭代输出CNOP最优解，否则跳至步骤S2继续寻优。

2.根据权利要求1所述的一种基于Sine映射和分段式并行连续禁忌搜索数据处理方法，其特征在于，所述步骤S1包括以下分步骤：

S11：在(-1，1)区间内随机生成初始个体X₀，随后对其进行迭代K次的混沌计算；

S12：通过K次迭代将初始个体X₀变成X_k；

S13：将迭代后的值赋值给初始候选寻优个体C_i；

S14：用Sine映射方法生成了pop个初始候选寻优个体，从中选出一个具有最佳适应度函数值的寻优个体C作为初始寻优候选解。

3.根据权利要求1所述的一种基于Sine映射和分段式并行连续禁忌搜索数据处理方法，所述步骤S1的过程描述公式为：

4.根据权利要求1所述的一种基于Sine映射和分段式并行连续禁忌搜索数据处理方法，所述步骤S2包括以下分步骤：

S21：设定第一领域半径值和第一领域候选解个数进行第一阶段全局搜索；

S22：设定第二领域半径值进行第二阶段局部搜索。

5.根据权利要求1所述的一种基于Sine映射和分段式并行连续禁忌搜索数据处理方法，所述步骤S21，其描述公式为：

式中，R₁为第一阶段领域半径，S_i1为第一阶段候选解，j＝1,2,...,n，i1＝1,2,...,m1，m1为第一阶段候选解个数。

6.根据权利要求1所述的一种基于Sine映射和分段式并行连续禁忌搜索数据处理方法，所述步骤S22，其描述公式为：

式中，R₂为第二阶段领域半径，S_i2为第二阶段候选解，j＝1,2,...,n，i2＝1,2,...,m2，m2为第二阶段候选解个数。

7.根据权利要求1所述的一种基于Sine映射和分段式并行连续禁忌搜索数据处理方法，所述步骤S3包括以下分步骤：

S31：针对第一搜索阶段，如果S_i1不在禁忌表内，判断适应度函数值f(S_i1)-best_value>＝ε是否为真，若为真，则将当前最优解C列入禁忌表，同时更新best_value＝f(S_i1)，C＝S_i1，其中best_value是当前最优解C的适应度函数值，ε是禁忌判定参数，第一阶段共运行maxcycle1次。

S32：针对第二搜索阶段，如果S_i2不在禁忌表内，判断适应度函数值f(S_i2)-best_value>＝ε是否为真，若为真，则将当前最优解C列入禁忌表，同时更新best_value＝f(S_i2)，C＝S_i2，其中best_value是当前最优解C的适应度函数值，ε是禁忌判定参数，第一阶段共运行maxcycle2次。