(19)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 202211045539.X (22)申请日 2022.08.30 (71)申请人 天津大学 地址 300072 天津市南 开区卫津路9 2号 (72)发明人 陈鹏　于娟　王立雄　王爱英　 吴雨婷　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 张欣然 (51)Int.Cl. G06F 30/20(2020.01) G06N 3/00(2006.01) G06N 3/12(2006.01) G06F 111/04(2020.01) G06F 111/06(2020.01) (54)发明名称 基于人工鱼群和差分进化的照明方案设计 方法和装置 (57)摘要 本申请提供一种基于人工鱼群和差分进化 的照明方案设计方法和装置， 方法包括， 确定照 明设计指标的参考值和目标照明空间的前置信 息； 初始化待优化种群和算法参数； 待优化种群 中每一个体均包括一组用于决定照明方案的决 策变量； 依次基于差分进化算法和人工鱼群算法 对待优化种群中的个体进行迭代优化， 直至优化 代数达到终止阈值， 最后选择待优化种群中的最 优个体所包含的一组决策变量及变量值作为适 用于目标照明空间的照明方案的决策变量及变 量值。 本发 明在照明方案的逆设计过程中结合差 分进化和人工鱼群算法， 与使用单一算法的方法 相比， 具有更快的收敛速度， 且不易陷入局部最 优解， 因此基于本发明进行设计能更快获得符合 需求的照明设计方案 。 权利要求书4页 说明书21页 附图6页 CN 115392034 A 2022.11.25 CN 115392034 A 1.一种基于人工鱼群和差分进化的照明方案设计方法， 其特 征在于， 包括： 确定照明设计指标的参考值和目标照明空间的前置信息； 其中， 所述前置信息包括所 述目标照明空间的尺寸信息， 形态信息， 灯具布置范围信息和照明工作面； 初始化待优化种群和算法参数； 其中， 所述待优化种群包括多个个体， 每一个所述个体 均包括一组用于决定照明方案的决策变量； 基于差分进化算法对所述待优化种群进行迭代优化， 直至优化代数达到预设的模式阈 值为止； 执行模式切换， 并基于差分进化算法和人工鱼群算法对所述待优化种群中的个体进行 迭代优化， 直至所述优化代数达到预设的终止阈值为止； 其中， 所述模式切换仅在所述优化 代数达到所述模式阈值时执行一次； 所述人工 鱼群算法用于优化所述待优化种群中的未改 善个体； 所述未改善个 体是指， 基于 差分进化 算法进行迭代优化时未被更新的个 体； 选择所述待优化种群中的最优个体所包含的一组决策变量及变量值作为适用于所述 目标照明空间的照明方案的决策变量及变量值； 其中， 所述最优个体， 为所述待优化种群的 所有个体中对应的目标函数值最小的个体； 所述个体的目标函数值， 根据所述参考值和所 述个体对应的照明设计指标的个体值确定； 所述个体对应的照明设计指标的个体值根据所 述个体所包含的一组决策变量及变量 值和所述目标照明空间的前置信息确定 。 2.根据权利要求1所述的方法， 其特征在于， 所述基于差分进化算法对所述待优化种群 进行迭代优化， 直至优化代数达 到预设的模式 阈值为止， 包括： 针对所述待优化种群中的每一个所述个 体， 依次执 行变异， 交叉和选择操作； 其中， 所述变异操作用下述公式表示： Vi＝xr1+F(xr2‑xr3) i为被执行变异操作的个体的编号， Vi为变异操作获得的中间个体， xr1至xr3为所述待优 化种群除个 体xi以外的任意 三个互不相同的个 体， F为预设的比例因子； 所述交叉操作用下述公式表示： xij， Vij和Uij依次表示个体xi， 对应中间个体Vi和变异个体Ui的第j个决策变量， rand(0， 1)为大于 0且小于1的随机数， cr为预设的交叉率； 所述选择操作包括， 对任一个体xi， 若个体xi的目标函数值大于对应的变异个体Ui的目 标函数值， 将个 体xi替换为变异个 体Ui； 将所述优化代数递增1， 返回执行所述针对所述待优化种群中的每一个所述个体， 依次 执行变异， 交叉和选择操作步骤， 直至所述优化代数等于所述模式 阈值为止。 3.根据权利要求1所述的方法， 其特征在于， 基于人工鱼群算法对所述待优化种群 中的 未改善个 体进行迭代优化的过程， 包括： 针对每一个所述未改善个 体执行优化操作； 其中， 所述优化操作包括： 判断所述未 改善个体的聚群行为是否成功， 并判断所述未改善个体的追尾行为是否成 功；权　利　要　求　书 1/4 页 2 CN 115392034 A 2若所述未改善个体的聚群行为和追尾行为中有且仅有一个行为成功， 根据成功的行为 更新所述未改善个 体； 若所述未改善个体的聚群行为和追尾行为均成功， 根据 所述聚群行为和所述追尾行为 中对应的目标函数值较小的行为更新所述未改善个 体； 若所述未改善个 体的聚群行为和追尾行为均未成功， 结束优化操作； 所有所述未改善个体的优化操作均完成后， 更新鱼群参数， 并确定优化代数是否小于 预设的终止阈值； 将所述优化代数递增1， 返回执行所述基于差 分进化算法和人工 鱼群算法 对所述待优化种群中的个体进行迭代优化步骤， 直至所述优化代数等于所述终止阈值为 止。 4.根据权利要求3所述的方法， 其特征在于， 所述判断所述未 改善个体的聚群行为是否 成功， 包括： 对每一所述未改善个 体xi， 基于下述公式确定所述未改善个 体xi的邻域中心xi， center： xi， L， xi， R， xi， U和xi， D为个体矩阵中所述未改善个体xi的冯诺依曼邻域； 其中， 所述个体矩 阵由所述待优化种群中所有个 体组成； 若所述未改善个体xi的目标函数值大于的所述邻域 中心xi， center的目标函数值， 确定所 述未改善个 体xi的聚群行为成功； 若所述未改善个体xi的目标函数值不大于的所述邻域 中心xi， center的目标函数值， 确定 所述未改善个 体xi的聚群行为未成功。 5.根据权利要求3所述的方法， 其特征在于， 所述判断所述未 改善个体的追尾行为是否 成功， 包括： 对每一个所述未改善个体xi， 基于下述公式确定所述未改善个体xi对应的追尾个体 xi， follow： xi， follow＝argmin(H(xi， L)， H(xi， R)， H(xi， U)， H(xi， D)) H(x)表示预设的目标函数。 argmi n表示选取使目标函数H的值 最小的个 体； 若所述未改善个体xi的目标函数值大于所述追尾个体xi， follow的目标函数值， 确定所述 未改善个 体xi的追尾行为成功； 若所述未改善个体xi的目标函数值不大于所述追尾个体xi， follow的目标函数值， 确定所 述未改善个 体xi的追尾行为未成功。 6.根据权利要求1至5任意一项所述的方法， 其特征在于， 确定所述决定照明方案的决 策变量的过程包括： 根据照明方案的设计条件， 确定灯具配光信息和灯具形态信息， 并根据所述灯具配光 信息和所述灯具 形态信息， 确定所用灯具 型号； 在所述灯具配光信息和所述灯具形态信息的限制下， 确定灯具布置基本规则， 并抽取 控制照明方案的参数作为备选决策变量； 将所述备选决策变量中可 供调整的参数确定为决策变量。 7.一种基于人工鱼群和差分进化的照明方案设计装置， 其特 征在于， 包括： 确定单元， 用于确定照明设计指标的参考值和目标照明空间的前置信 息； 其中， 所述前权　利　要　求　书 2/4 页 3 CN 115392034 A 3