智能优化算法：静电放电算法

文章目录

• 智能优化算法：静电放电算法
• • 1.算法原理
  • 2.实验结果
  • 3.参考文献
  • 4.Matlab代码

1.算法原理

ESDA 数学描述简述如下:

(1)初始化阶段。在搜索空间中随机生成群体大小 n n n，即电子设备数量。每个电子设备由类似设计变量的不同组件组成。电子设备适应度与搜索空间中设备的位置有关，适应度值越大，设备的免疫力就越强。每个设备都有一个计数器，用于计算该设备作为损害设备的次数。

在搜索空间中，利用公式(1) 随机生成 n n n 个电子设备初始解:
x i = L B + r a n d ∗ ( U B − L B ) (1) x_i=LB+rand*(UB-LB)\tag{1} xi​=LB+rand∗(UB−LB)(1)
式中: x i x_i xi​ 为电子设备群体中第 i i i 个电子设备的空间位置( i = 1 ， 2 ， … ， n i = 1，2，…，n i=1，2，…，n); U B UB UB、 L B LB LB 分别为搜索空间的上、下界。

(2) 在每次迭代过程中，从电子设备群体中随机选择 3 个电子设备的适应度值并按降序排序(即最佳适应度值个体排序为第1)。生成随机数 r 1 r_1 r1​，如果 r 1 > 0.5 r_1>0.5 r1​>0.5，则静电放电现象仅在两个电子设备间发生;否则，涉及所有 3 个电子设备。每当设备受损害或电子设备受到静电放电时，该设备计数器将增加 1。

① 若 r 1 > 0.5 r_1>0.5 r1​>0.5，假设具有最低适应度值的电子设备2朝着具有最高适应度值的电子设备1移动。当电子设备2移动到电子设备1附近时，假设在两个个体之间发生静电放电现象，且电子设备 2 受到损害，这相当于直接静电放电事件。电子设备 2 新位置更新公式如下:
x 2 n e w = x 2 + 2 β 1 ( x 1 − x 2 ) (2) x_{2new}=x_2+2\beta_1(x_1-x_2)\tag{2} x2new​=x2​+2β1​(x1​−x2​)(2)
式中: x 2 n e w x_{2new} x2new​为电子设备 2 新空间位置; x 1 x_1 x1​ 、 x 2 x_2 x2​分别为电子设备 1、2 当前空间位置; β 1 \beta_1 β1​ 为服从正态分布的随机数，其均值 μ = 0.7 μ=0.7 μ=0.7，标准差 σ = 0.2 σ = 0.2 σ=0.2。

②若 r 1 ≤ 0.5 r_1\leq 0.5 r1​≤0.5，静电放电涉及所有随机选择的3个电子设备，假设第 3 个电子设备正朝着另外两个电子设备移动。当电子设备3移动到电子设备1和电子设备 2 附近时，认为发生静电放电现象，且电子设备 3 受到损害，这相当于间接静电放电事件。电子设备 3 新位置更新公式如下:
x 3 n e w = x 3 + 2 β 2 ( x 1 − x 3 ) + 2 β 3 ( x 2 − x 3 ) (3) x_{3new}=x_3+2\beta_2(x_1-x_3)+2\beta_3(x_2-x_3)\tag{3} x3new​=x3​+2β2​(x1​−x3​)+2β3​(x2​−x3​)(3)
式中: x 3 n e w x_{3new} x3new​为电子设备3 新空间位置; x 1 , x 2 , x 3 x_1,x_2,x_3 x1​,x2​,x3​分别为电子设备1、2、3 当前空间位置; β 2 \beta_2 β2​ 和 β 3 \beta_3 β3​ 均为服从正态分布的随机数，均值 μ = 0.7 μ=0.7 μ=0.7，标准差 σ = 0.2 σ = 0.2 σ=0.2。

(3) 假设电子设备受静电放电超过 3 次，则认为该电子设备已被损坏，必须更新，即在搜索空间中随机生成新电子设备;否则，如果电子设备受静电放电事件影响小于或等于 3 次，则产生随机数 r 2 r_2 r2​ ，如果 r 2 < 0.2 r_2<0.2 r2​<0.2，则假定该电子设备的一部分已损坏并且必须改变，否则电子设备组件是安全的。

(4) 将新增电子设备补充到原电子设备群体中并保存，再按照电子设备个体适应度值的大小进行降序排序，选择前 n n n个电子设备作为下一次迭代群体总量。

2.实验结果

3.参考文献

[1]Houssem R.E.H Bouchekara. Electrostatic discharge algorithm: a novel nature-inspired optimisation algorithm and its application to worst-case tolerance analysis of an EMC filter[J]. IET Science, Measurement & Technology,2019,13(4):

[1]李祥蓉.静电放电算法-混合核SVM的月径流预报模型及应用[J].人民珠江,2020,41(01):23-28.

4.Matlab代码

上述代码，可在网盘清单里面找
链接：https://pan.baidu.com/s/1QIHWRh0bNfZRA8KCQGU8mg
提取码：1234