刘 挺,王联国

(甘肃农业大学信息科学技术学院,兰州730070)

1 概述

杂草具有生命力旺盛、繁殖力强、传播途径多样等特性,长久以来对农作物的生长构成了严重的威胁。根据杂草的特点,文献[1]提出了一种入侵杂草优化(Invasive Weed Optimization,IWO)算法。如今,IWO 已经被成功应用于DNA 编码排序[2]、电力优化调度[3]、无线电配置[4]以及图像聚类[5]等众多领域。尽管如此,杂草算法也存在着求解精度低、易陷入局部值等缺点[6]。针对这些问题,众多学者采取了各种不同的策略致力于提高IWO 的性能[7-8]。

云模型的概念是由李德毅于1995 年提出的[9]。云模型把随机性和模糊性结合起来,用数字特征熵,揭示随机性与模糊性的关联性,实现了定性与定量之间转换的过程。本文提出了一种云自适应杂草优化(Cloud Adaptive IWO,CLIWO)算法,根据杂草的适应度值大小进行分群操作,并根据云理论和每个群的实际情况自适应选择调整因子[10]。

2 基本杂草优化算法

基本IWO 算法对杂草的生长繁殖过程进行了模拟,主要分为种群初始化、产生种子、空间扩散以及竞争排斥4 个过程,具体的操作步骤如下：

步骤1种群初始化

初始化种群起始位置,初始化种群数目Popsize、最大种群数Pmax,规定搜索空间大小、空间维数、最大最小种子生成数,最大迭代次数、初始标准差、终止标准差以及非线性调和指数。

步骤2产生种子

生成种子的数目是根据父代杂草适应度值大小比例而定的,每个杂草所产生的种子数目为：

其中,fi代表第i个杂草的适应度值；SdNum为父代杂草生成种子的数目；……