(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111253788.3 (22)申请日 2021.10.27 (71)申请人 西安理工大 学 地址 710048 陕西省西安市碑林区金花 南 路5号 (72)发明人 王彬　张鑫雨　 (74)专利代理 机构 西安弘理专利事务所 61214 代理人 罗笛 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/00(2006.01) G06N 3/12(2006.01) G06F 119/10(2020.01) (54)发明名称 一种基于噪声估计和 噪声对抗的噪声优化 方法 (57)摘要 本发明公开了一种基于噪声估计和噪声对 抗的噪声优化方法， 具体按照如下步骤实施： 步 骤1， 引入对立学习机制， 生成初始种群P； 步骤2， 迭代进化， 具体为： 步骤2.1， 选出当前种群中的 最佳个体， 估计出噪声方差σ2； 步骤2.2， 根据噪 声方差σ2生成随机噪声， 对较差的个体进行添 加随机噪声； 步骤2.3， 将当前种群划分为精英种 群和非精英种群， 进行变异操作； 步骤2.4， 交叉 操作； 步骤2.5， 选择； 步骤3， 判断是否满足终止 条件， 若满足则输出最优解。 本发明解决了现有 技术中存在的重采样方法消耗代价大以及阈值 法需要寻找一个最优的静态值或修正的τ适应 规则的问题。 权利要求书2页 说明书8页 附图1页 CN 114065612 A 2022.02.18 CN 114065612 A 1.一种基于噪声估计和噪声对抗的噪声优化方法， 其特征在于， 具体按照如下步骤实 施： 步骤1， 引入 对立学习机制， 生成初始种群P； 步骤2， 迭代进化， 具体为： 步骤2.1， 以初始种群P作为当前种群， 选出当前种群中的最佳个 体， 估计出噪声方差σ2； 步骤2.2， 根据步骤2.1估计 出的噪声方差σ2生成随机噪声， 对 适应度值排名较低的20％ 的个体进行添加随机噪声； 步骤2.3， 将经步骤2.2处 理后的种群划分为精英种群和非精英种群， 进行变异操作； 步骤2.4， 对经步骤2.3变异操作后的种群执 行交叉操作； 步骤2.5， 选择； 对父代个 体和子代个 体进行噪声适应度评价， 使适应度值较优的个 体保留下来； 步骤3， 判断是否满足终止条件， 若函数评价次数FES＜MAXFES， 返回步骤2， 以经过步骤 2.5处理后的种群最为当前种群， 直到FES≥MAXFES， 输出最优解， 其中MAXFES为最大函数评 价次数。 2.根据权利要求1所述的一种基于噪声估计和噪声对抗的噪声优化方法， 其特征在于， 所述步骤1具体为： 步骤1.1， 首先初始化种群NP， 在搜索空间中随机生成N个个体， 其中， 随机生成个体公 式为： Xi,j＝XjL+(XjU–XjL)×rand     (1) 其中， Xi,j表示个体， i表示个体索引， j表示维度， XjL是第j维的下界， XjU是第j维的上界， rand是服从[0， 1]均匀分布的随机数， i ＝1,2,3, …,N， j＝1,2,3, …,D， D是问题的维度； 步骤1.2， 预先定义候选解Xi取值边 界为Xi∈[XL,XU]， XL为候选解最小取值， XU为候选 解最大取值； 步骤1.3： 计算初始化种群NP的对立种群ONP， 其中， 计算对立个 体公式为： OXi,j＝XL+XU‑Xi,j         (2) 其中， OXi,j为对立个 体； 步骤1.4， 将初始化种群NP和对立种群ONP合并在一起， 计算其适应度值， 根据 适应度值 排名， 选出最佳的N个 个体作为初始种群P； 步骤1.5， 初始化 函数最大评价次数； 设置FESMAX＝D*10 000。 3.根据权利要求2所述的一种基于噪声估计和噪声对抗的噪声优化方法， 其特征在于， 所述步骤2.1具体为： 步骤2.1.1， 根据适应度值 排名， 选出当前种群最佳个 体； 步骤2.1.2， 对最佳个体进行多次采样计算适应度值， 将多次计算得到的适应度值累加 求平均值u， 利用求方差公式估计出噪声方差σ2， 公式为： 其中， Fb为最佳个体的适应度值， u为总体均值， Nc为样本数。 4.根据权利要求3所述的一种基于噪声估计和噪声对抗的噪声优化方法， 其特征在于， 所述步骤2.2具体为：权　利　要　求　书 1/2 页 2 CN 114065612 A 2步骤2.2.1， 利用估计的噪声方差σ2生成随机噪声randn oise； 步骤2.2.2， 根据适应度 值选出当前种群 中最差的20％个体， 对选出的个体添加随机噪 声randnoise， 生成随机噪声公式为： randnoise＝σ2*rand     (4) 对个体添加噪声公式为： Xi， j＝Xi， j+randnoise   (5)。 5.根据权利要求4所述的一种基于噪声估计和噪声对抗的噪声优化方法， 其特征在于， 所述步骤2.3具体为： 步骤2.3.1， 将经步骤2.3添加噪声后的种群按适应度值排序， 把前30％较好的个体划 分到精英种群EP中， 后70％个 体划分到非精英种群NEP中； 步骤2.3.2， 进行变异操作， 得到变异个 体， 变异公式为： Vi， G+1＝Xr1， G+F(Xr2， G‑Xr3， G)  (6) 其中， Xr1， G在精英种群中随机选择， Xr2， G在精英种群中随机选择， Xr3， G在非精英种群随 机选择， 参数 F为缩放因子， Vi， G+1是变异操作生成的变异个 体， G是代数。 6.根据权利要求5所述的一种基于噪声估计和噪声对抗的噪声优化方法， 其特征在于， 所述步骤2.4中交叉操作具体为： 通过突变向量Vi， G与目标向量Xi， G产生试验向量Ui， G， 交叉操作是二项式交叉： 其中， rand表示(0， 1)之间的均匀随机数， j是从[1， D]均匀随机选择的决策变量下标， CR是交叉操作参数。 7.根据权利要求6所述的一种基于噪声估计和噪声对抗的噪声优化方法， 其特征在于， 所述步骤2.5具体为： 对目标向量Xi,G与实验向量Ui,G进行适应度评价， 通过贪婪选择适应度值较好的个体， 即目标函数值较小的保留在下一代中， 选择 过程如下公式(8)所示： 其中， 若f(Ui,G)＜f(Xi,G)， 则选择实验向量Ui,G进入下一代， 否则选择目标向量Xi,G进入 下一代。权　利　要　求　书 2/2 页 3 CN 114065612 A 3