[發(fā)明專利]一種對(duì)引力搜索優(yōu)化算法中粒子記憶性改進(jìn)的方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201210133304.6
• 申請(qǐng)日: 2012-04-28
• 公開（公告）號(hào): CN102682203A
• 公開（公告）日: 2012-09-19
• 發(fā)明（設(shè)計(jì)）人: 潘豐;李春龍;張相勝
• 申請(qǐng)（專利權(quán)）人: 江南大學(xué)
• 主分類號(hào): G06F19/00
• 分類號(hào): G06F19/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

技術(shù)領(lǐng)域

本發(fā)明涉及一種對(duì)引力搜索優(yōu)化算法中粒子記憶性改進(jìn)的方法，屬于智能優(yōu)化算法領(lǐng)域。

背景技術(shù)

引力搜索優(yōu)化算法是一種群智能優(yōu)化算法，其根本思想是基于牛頓的萬(wàn)有引力定律：“在宇宙間，每一個(gè)粒子由于萬(wàn)有引力的作用而彼此相互吸引，引力的大小與粒子的質(zhì)量成正比，與他們之間的距離成反比”。

由于引力搜索算法中僅僅只有當(dāng)前的位置信息在迭代更新過(guò)程中起作用，可知引力搜索算法是一種缺乏記憶性的算法，在當(dāng)粒子運(yùn)動(dòng)到最優(yōu)解或者比較接近最優(yōu)解時(shí)，粒子的速度是不斷加快的(根據(jù)萬(wàn)有引力公式，引力的大小是與距離成反比關(guān)系)，當(dāng)?shù)竭_(dá)最優(yōu)解或接近最優(yōu)解時(shí)，粒子的速度可能會(huì)很大(存在隨機(jī)性)，根據(jù)運(yùn)動(dòng)學(xué)規(guī)律可知，這種情況會(huì)導(dǎo)致粒子在最優(yōu)解的附近反復(fù)來(lái)回震蕩，導(dǎo)致整個(gè)優(yōu)化算法搜索精度不高，特別是高維函數(shù)優(yōu)化性能不佳，優(yōu)化過(guò)程容易早熟的現(xiàn)象。

發(fā)明內(nèi)容

針對(duì)以上技術(shù)的不足，本發(fā)明的目的在于將粒子記憶性的思想引入到引力搜索算法中，以改善該算法中粒子的個(gè)體記憶性，提高算法的搜索能力。

一種對(duì)引力搜索優(yōu)化算法中粒子記憶性改進(jìn)的方法，主要是將種群粒子的歷史最優(yōu)值和粒子的個(gè)體歷史最優(yōu)值引入到引力搜索算法中，主要的步驟包括以下幾點(diǎn)：

步驟一：對(duì)于每個(gè)粒子，將其當(dāng)前位置的適應(yīng)值與其個(gè)體在運(yùn)動(dòng)歷史過(guò)程中最好位置的適應(yīng)值進(jìn)行比較，若當(dāng)前位置的適應(yīng)值優(yōu)于其個(gè)體在運(yùn)動(dòng)歷史過(guò)程中最好位置的適應(yīng)值，則將當(dāng)前的位置值賦予個(gè)體最好位置值。步驟二：對(duì)于每個(gè)粒子，將其當(dāng)前位置的適應(yīng)值與粒子群體所經(jīng)歷全局最好位置的適應(yīng)值，若當(dāng)前位置的適應(yīng)值優(yōu)于全局最好位置的適應(yīng)值，則將當(dāng)前的位置值賦予全局最好位置值。步驟三：將粒子個(gè)體最優(yōu)解和全局最優(yōu)解引入到粒子速度更新公式中，修正粒子的速度更新公式，并且引入?yún)f(xié)調(diào)因子的概念，用于調(diào)整所記憶的歷史信息在優(yōu)化過(guò)程中的影響比例。

本發(fā)明的優(yōu)點(diǎn)在于：

將粒子記憶性的思想引入到引力搜索算法中，用以提高該算法中粒子的個(gè)體記憶性，對(duì)粒子的速度更新方式進(jìn)行修正，這樣粒子的速度信息更新不僅得取決于整個(gè)系統(tǒng)中其他粒子的共同作用，還受到它自身記憶的影響，使其對(duì)最優(yōu)解具有良好的搜索能力。

附圖說(shuō)明

圖1本發(fā)明方法改進(jìn)后的優(yōu)化算法流程圖

圖2粒子記憶性改進(jìn)部分結(jié)構(gòu)示意圖

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式做進(jìn)一步說(shuō)明。

一種對(duì)粒子記憶性改進(jìn)的引力搜索優(yōu)化算法方法，步驟主要包括以下幾點(diǎn)：

步驟一：明確整個(gè)引力場(chǎng)的搜索空間。從目標(biāo)問(wèn)題中獲取整個(gè)問(wèn)題的空間范圍。

步驟二：隨機(jī)初始化種群中各個(gè)粒子的位置，設(shè)定引力場(chǎng)中粒子數(shù)目和最大迭代次數(shù)。初始化空間位置信息主要是依據(jù)步驟一中所明確的搜索空間，粒子的數(shù)目為N，最大迭代次數(shù)為T。

步驟三：根據(jù)目標(biāo)問(wèn)題，計(jì)算每個(gè)粒子的適應(yīng)值，記憶粒子歷史最佳位置信息。每個(gè)粒子的位置就是一個(gè)潛在解，將X_i代入目標(biāo)函數(shù)就可以計(jì)算出其適應(yīng)值，而粒子個(gè)體經(jīng)歷的最好值記為整個(gè)群體所有粒子經(jīng)歷過(guò)的最好位置記為gbest＝(gbest¹，gbest²，…，gbest^D)，而粒子的記憶性就體現(xiàn)在了pbest和gbest這兩個(gè)量中。

步驟四：更新萬(wàn)有引力公式中的引力系數(shù)、粒子的慣性質(zhì)量、整個(gè)種群中粒子位置的最佳值和最差值。根據(jù)式(1)和式(2)，可計(jì)算出每個(gè)粒子的慣性質(zhì)量M_i(t)：