公开(公告)号：CN109214518A

公开(公告)日：2019-01-15

申请号：CN201710520108.7

申请日：2017-06-30

申请人： 上海交通大学 ,  携程计算机技术(上海)有限公司

发明人： 李生红 ,  葛昊 ,  马颖华 ,  黄德双 ,  江文 ,  狄冲 ,  周之晟 ,  李怡晨

IPC分类号： G06N20/00

摘要： 一种基于连续动作学习自动机(CALA)的全局优化系统及方法，包括：初始化模块、行为选择模块、环境反馈模块、更新模块和输出模块，其中：初始化模块初始化CALA算法的参数，输入行为选择模块进行行为选择，行为通过...环境的...进入环境反馈模块，得到行为对应的环境反馈，得到局部最优解；更新模块根据环境反馈更新算法参数，将更新的参数输入行为选择模块完成一次迭代，并改进平滑函数；将改进的平滑函数引入下一次迭代的环境反馈模块，进行多次迭代，最终得到极值点，将当前的环境反馈输入输出模块，输出...；作为全局极小值输出；本发明设计合理，引入平滑函数并加入斜率分量进行改进，使得CALA更易跳出局部最小解，并使得后续的搜索具有方向性，大大提高了算法的收敛速度和正确率。