差分蝙蝠算法在精準(zhǔn)扶貧中的應(yīng)用

李 倩，陳 亮，李長(zhǎng)英，朱元?jiǎng)P

(泰山職業(yè)技術(shù)學(xué)院 信息技術(shù)系，山東 泰安 271000)

1 引言

習(xí)近平總書記于2013年提出了精準(zhǔn)扶貧的思想，為我國(guó)扶貧工作指定了方向.各方面的學(xué)者、專家和實(shí)際工作者把工作重心轉(zhuǎn)移到精準(zhǔn)扶貧上，研究了扶貧的內(nèi)涵特征、問題成因、實(shí)施困境等內(nèi)容，并獲得了一定的學(xué)術(shù)成就.在實(shí)際工作中判斷貧困區(qū)域和貧困家庭時(shí)，基本采用家庭總收入、家庭總支出、成員健康狀況、村委會(huì)和村民對(duì)該家庭的評(píng)價(jià)等多項(xiàng)指標(biāo)進(jìn)行統(tǒng)計(jì)分類的方法確定貧困家庭.但是由于貧困家庭千差萬別，僅依靠簡(jiǎn)單的統(tǒng)計(jì)很難準(zhǔn)確區(qū)分貧困家庭，甚至?xí)?dǎo)致偏差.張翔提出的教育扶貧對(duì)象精準(zhǔn)識(shí)別模式將重點(diǎn)放在了民主評(píng)議上；劉小珉設(shè)計(jì)了多維貧困的測(cè)量模型，該模型僅僅是按貧困度排序.本文引入差分蝙蝠算法對(duì)貧困家庭進(jìn)行優(yōu)化選擇，以提高貧困家庭選擇的精確度.

2 差分蝙蝠算法

基本蝙蝠算法(Bat Algorithm，BA)是模擬自然界中蝙蝠利用一種聲吶來探測(cè)獵物、避免障礙物的隨機(jī)搜索算法，即模擬蝙蝠利用超聲波對(duì)障礙物或獵物進(jìn)行最基本的探測(cè)、定位能力并將其和優(yōu)化目標(biāo)功能相聯(lián)系.BA算法的仿生原理將種群數(shù)量為n的蝙蝠個(gè)體映射為D維問題空間中的NP個(gè)可行解，將優(yōu)化過程和搜索模擬成種群蝙蝠個(gè)體移動(dòng)過程和搜尋獵物利用求解問題的適應(yīng)度函數(shù)值來衡量蝙蝠所處位置的優(yōu)劣，將個(gè)體的優(yōu)勝劣汰過程類比為優(yōu)化和搜索過程中用好的可行解替代較差可行解的迭代過程.

基本蝙蝠算法中的兩個(gè)參數(shù):音量的衰減系數(shù)α和搜索頻率的增強(qiáng)系數(shù),對(duì)算法性能的影響非常大.如何有效平衡算法的尋優(yōu)精度和收斂速度,關(guān)鍵是合理設(shè)置參數(shù)的值.仿真過程通過反復(fù)調(diào)整參數(shù)的值,才能得到合適的參數(shù)的值.為解決相關(guān)問題，肖輝輝等將把差分算法引入到了蝙蝠算法中，創(chuàng)造了差分蝙蝠算法.

差分蝙蝠算法有兩個(gè)突出點(diǎn)：(1)將基本蝙蝠算法對(duì)數(shù)據(jù)的連續(xù)性要求降低為離散；(2)為群蝙蝠個(gè)體更新提供了變異、交叉、選擇等操作，從而達(dá)到增加蝙蝠個(gè)體的多樣性，提高算法的全局尋優(yōu)能力和局部搜索能力.

(1)變異操作：vij(t)=ua(t)+F(ub(t)-uc(t))，其中ua(t)、ub(t)、us(t)是各不相同的用戶，是縮放因子F∈[0，2].

(1)

(2)

CR∈[0，1]為交叉概率，rand(0,1)是[0，1]上服從均勻分布的隨機(jī)函數(shù)，rand(1,n)∈[1，2，…，d]的隨機(jī)函數(shù).

(3)

DEBA算法將差分進(jìn)化算法和蝙蝠算法各自的優(yōu)點(diǎn)融合在一起，使DEBA算法不僅具有強(qiáng)大全局尋優(yōu)能力，而且也具有強(qiáng)大的局部搜索能力，從而克服了BA算法收斂精度不高、容易陷入局部最優(yōu)、后期收斂速度慢等缺點(diǎn)[1].

3 貧困家庭選擇模型

貧困家庭選擇是精準(zhǔn)扶貧的關(guān)鍵問題.解決貧困家庭識(shí)別問題最直接的分析方法當(dāng)然是從單個(gè)指標(biāo)入手，通過計(jì)算各項(xiàng)指標(biāo)的數(shù)值進(jìn)行判斷是否達(dá)到貧困狀況.這種直接方法往往受單個(gè)指標(biāo)影響，導(dǎo)致判斷失誤，所以應(yīng)采用多個(gè)指標(biāo)進(jìn)行綜合考察.因此根據(jù)貧困家庭申報(bào)數(shù)據(jù)，調(diào)查每個(gè)貧困家庭，按多貧困指標(biāo)采集貧困家庭的數(shù)據(jù)，構(gòu)造貧困家庭-指標(biāo)矩陣.

則貧困家庭-指標(biāo)矩陣記為X=UF={xi,j}，xi,j為第i個(gè)貧困家庭的第j個(gè)指標(biāo)的值.

每個(gè)貧困指標(biāo)都設(shè)定閥值，其值大小是判定貧困家庭的最低標(biāo)準(zhǔn)，貧困指標(biāo)的閥值由經(jīng)驗(yàn)或政府部門制定.記貧困剝奪個(gè)體矩陣記為：

G={gi，j}，其中g(shù)i，j為第i個(gè)貧困家庭第j個(gè)指標(biāo)的滿足情況.

記貧困剝奪個(gè)體數(shù)矩陣為Q={qi，j}，其中，

貧困指數(shù)記為：

M(k)=H(k)×A(k)

(4)

4 基于差分蝙蝠算法的貧困家庭優(yōu)選算法

設(shè)定ui(t)是第t代的第i個(gè)貧困家庭集合，則ui(t)==(ui1(t)，ui2(t)，…,uim(t))，umin≤ui(t)≤umax，[umin，umax]是搜索空間.算法步驟如下：

Step1:種群初始化，隨機(jī)選擇n個(gè)蝙蝠(貧困家庭)作為一組初始解.

Step2:以上年的貧困家庭作為初始解，即蝙蝠的初始位置ui，根據(jù)公式4計(jì)算貧困度并確定當(dāng)前最優(yōu)解u*.

Step5:根據(jù)公式1、2、3進(jìn)行變異、交叉、選擇等變換操作計(jì)算蝙蝠的新位置.

Step6:按式4計(jì)算所有蝙蝠的適應(yīng)度從而得當(dāng)前最優(yōu)解u*，如果存在ui滿足f(ui,u*)<ε則將u*、ui合并，將次優(yōu)解為最優(yōu)解.

Step7:重復(fù)執(zhí)行Step2～Step7，直到迭代次數(shù)達(dá)到規(guī)定次數(shù)或沒有蝙蝠ui滿足f(ui，u*)<ε.

5 實(shí)驗(yàn)分析

采用CHES2014齊河縣農(nóng)村居民調(diào)查數(shù)據(jù)，該數(shù)據(jù)僅包含農(nóng)業(yè)人口.數(shù)據(jù)來源自該縣12個(gè)鄉(xiāng)鎮(zhèn)、1012個(gè)行政村7257個(gè)樣本戶.貧困指標(biāo)包含收入、教育、疾病、保險(xiǎn)、飲用水、衛(wèi)生設(shè)施、廚房燃料、電器資產(chǎn)及住房條件(表1).設(shè)定最大脈沖率R0=0.4，脈沖頻率增強(qiáng)系數(shù)為0.02，脈沖頻率范圍[0，2]，最大脈沖音量A0=0.35，脈沖音量衰減系數(shù)為0.9，尺度因子F=0.4，交叉概率CR=0.15，最大迭代次數(shù)為10000.

執(zhí)行算法后得到貧困家庭數(shù)共406家，與上年貧困家庭數(shù)相比，存在一定的偏差，即35家上年貧困家庭未列入，同時(shí)有21家是新列入貧困家庭.通過走訪偏差家庭發(fā)現(xiàn)，新列入家庭有4家不符合標(biāo)準(zhǔn)，未列入的上年貧困家庭只有7家仍符合貧困標(biāo)準(zhǔn).即與上年數(shù)據(jù)的契合率達(dá)到了98.2%.

表1 部分貧困家庭得分

6 總結(jié)

本文討論了精準(zhǔn)扶貧研究中的量化問題，將差分蝙蝠算法引入到貧困家庭識(shí)別中來，構(gòu)造了基于差分蝙蝠算法的貧困家庭篩選算法.計(jì)算結(jié)果表明算法能夠減少由主觀因素帶來的偏差問題，使真正的貧困家庭得到國(guó)家扶持，脫離貧困，走向富余.本文以齊河縣為樣本進(jìn)行貧困家庭識(shí)別，與同期該區(qū)域人工確定的貧困家庭基本符合，并排除了部分不符合扶持條件的家庭，基本達(dá)到了精準(zhǔn)扶貧的目的.

[參考文獻(xiàn)]

[1]肖輝輝,段艷明.基于DE算法改進(jìn)的蝙蝠算法[J].計(jì)算機(jī)仿真,2014(1):272-278.

[2]陳亮,李長(zhǎng)英.一個(gè)基于差分蝙蝠算法的推薦算法[J].泰山學(xué)院學(xué)報(bào)，2017，39(3):75-78.

[3]盛孟龍,賀興時(shí),王慧敏.一種改進(jìn)的自適應(yīng)變異蝙蝠算法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2014(7):131-134.

[4]李枝勇,馬良,張惠珍.0-1規(guī)劃問題的元胞蝙蝠算法[J].計(jì)算機(jī)應(yīng)用研究，2013(10):23-26.

[5]尚俊娜,劉春菊,岳克強(qiáng),李林.具有自學(xué)習(xí)能力的變異蝙蝠優(yōu)化算法及性能仿真[J].系統(tǒng)仿真學(xué)報(bào)，2017(2):104-107.