[發(fā)明專(zhuān)利]一種自學(xué)習(xí)遷移粒子群人工智能算法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410165298.1
• 申請(qǐng)日: 2014-04-23
• 公開(kāi)（公告）號(hào): CN103903054A
• 公開(kāi)（公告）日: 2014-07-02
• 發(fā)明（設(shè)計(jì)）人: 鄧長(zhǎng)虹;馬慶
• 申請(qǐng)（專(zhuān)利權(quán)）人: 武漢大學(xué)
• 主分類(lèi)號(hào): G06N3/00
• 分類(lèi)號(hào): G06N3/00
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 張火春

技術(shù)領(lǐng)域

本發(fā)明屬于人工智能算法領(lǐng)域，尤其涉及一種自學(xué)習(xí)遷移粒子群人工智能算法。

背景技術(shù)

近年來(lái)迅速發(fā)展的人工智能算法，如遺傳算法、免疫算法、模擬退火算法和粒子群算法等被廣泛地運(yùn)用于各項(xiàng)科學(xué)研究領(lǐng)域，并且取得了很好的效果。其中，粒子群算法與其他算法相比具有原理簡(jiǎn)單、易于實(shí)現(xiàn)且收斂速度快的優(yōu)點(diǎn)，但是在迭代過(guò)程中容易早熟收斂、易陷于局部最優(yōu)。

近年來(lái)大量學(xué)者在標(biāo)準(zhǔn)粒子群算法的基礎(chǔ)上進(jìn)行改進(jìn)，其中很大一部分是對(duì)慣性權(quán)重參數(shù)的選取進(jìn)行改進(jìn)。但隨著迭代次數(shù)的增加，由于粒子的聚集，慣性權(quán)重所起的作用越來(lái)越小，對(duì)慣性權(quán)重參數(shù)的修改并沒(méi)有從根本上改變粒子群算法存在的粒子群后期朝單一方向進(jìn)化的弊端，因此仍然存在易陷入局部最優(yōu)的問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明主要是解決現(xiàn)有技術(shù)所存在的技術(shù)問(wèn)題，在對(duì)慣性權(quán)重進(jìn)行自適應(yīng)控制的改進(jìn)粒子群算法基礎(chǔ)上，通過(guò)引入遷移操作來(lái)指導(dǎo)全局最優(yōu)粒子的飛行方向，引導(dǎo)全局最優(yōu)粒子向周?chē)h(huán)境中可能存在的更優(yōu)信息進(jìn)行學(xué)習(xí)，使之朝著最優(yōu)方向進(jìn)化，最終完成對(duì)全局最優(yōu)的求解。

本發(fā)明所采用的技術(shù)方案是：一種自學(xué)習(xí)遷移粒子群人工智能算法，其特征在于，包括以下步驟：

步驟1：輸入自學(xué)習(xí)遷移粒子群算法的各項(xiàng)參數(shù)；

步驟2：隨機(jī)給粒子的位置和速度賦值，計(jì)算粒子的適應(yīng)度值，生成初始種群；

步驟3：對(duì)粒子的慣性權(quán)重進(jìn)行自適應(yīng)調(diào)整，更新粒子的位置和速度，生成新一代種群，計(jì)算新的適應(yīng)度，并與個(gè)體最優(yōu)值和全局最優(yōu)值進(jìn)行比較，判斷是否更新；

步驟4：采用遷移操作來(lái)修正全局最優(yōu)粒子的飛行方向，對(duì)全局最優(yōu)粒子信息進(jìn)行修正；

步驟5：判斷是否收斂，即判斷是否滿(mǎn)足全局最優(yōu)粒子適應(yīng)度值連續(xù)若干次小于給定收斂閾值或達(dá)到最大迭代次數(shù)兩個(gè)條件之一，

若否，則回轉(zhuǎn)執(zhí)行所述的步驟3；

若是，則迭代停止，輸出最終優(yōu)化結(jié)果。

作為優(yōu)選，步驟1中所述的自學(xué)習(xí)遷移粒子群算法的各項(xiàng)參數(shù)包括粒子數(shù)、最大迭代次數(shù)、慣性權(quán)重上下限、個(gè)體學(xué)習(xí)因子、社會(huì)學(xué)習(xí)因子、單次遷移操作隨機(jī)選擇的非最優(yōu)粒子數(shù)和收斂閾值。

作為優(yōu)選，步驟1中所述的采用遷移操作來(lái)修正全局最優(yōu)粒子的飛行方向，其具體實(shí)現(xiàn)包括以下子步驟：

步驟4.1：獲取當(dāng)前種群的各粒子的位置x_i及全局最優(yōu)粒子；

步驟4.2：針對(duì)第j維，在非全局最優(yōu)粒子中隨機(jī)選取t個(gè)，分別將其第j維位置信息遷移至全局最優(yōu)粒子第j維；

步驟4.3：分別計(jì)算t次遷移后全局最優(yōu)粒子位置p'_g，計(jì)算得到的新適應(yīng)度值f_g'，對(duì)全局最優(yōu)粒子位置信息進(jìn)行更新：

pg=pg′,fg′<fgpg,fg′≥fg,]]>

其中，p_g為遷移前全局最優(yōu)粒子位置，f_g為遷移前全局最優(yōu)粒子的適應(yīng)度值。

本發(fā)明的優(yōu)點(diǎn)和積極效果是：

本發(fā)明在對(duì)慣性權(quán)重進(jìn)行自適應(yīng)控制的改進(jìn)粒子群算法的基礎(chǔ)上引入遷移操作，增強(qiáng)了全局最優(yōu)粒子向周?chē)h(huán)境學(xué)習(xí)的能力，引導(dǎo)其朝著全局最優(yōu)的方向進(jìn)行飛行。建立的自學(xué)習(xí)遷移粒子群算法穩(wěn)定性?xún)?yōu)良，既提高了算法的收斂速度與精度，又能有效地解決粒子群算法易于陷入局部最優(yōu)的問(wèn)題。

附圖說(shuō)明