[發(fā)明專利]一種基于優(yōu)勝劣汰、步步選擇的粒子群優(yōu)化方法

無效

• 申請?zhí)枺?/td>: 201410166021.0
• 申請日: 2014-04-23
• 公開（公告）號: CN103942599A
• 公開（公告）日: 2014-07-23
• 發(fā)明（設計）人: 徐國賓;韓文文;章環(huán)境
• 申請（專利權）人: 天津大學
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李麗萍

技術領域

本發(fā)明涉及一種改進粒子群優(yōu)化方法，尤其涉及一種基于優(yōu)勝劣汰、步步選擇的粒子群優(yōu)化方法。

背景技術

粒子群優(yōu)化方法(英文縮寫為PSO)是利用群體智能原理建立簡化模型，模擬鳥類的覓食行為。其基本原理有以下幾個內(nèi)容：首先把每個個體看作一個沒有體積的微粒，所有微粒組成了微粒群，在空間內(nèi)進行搜索；其次，群體在搜索空間中以一定的速度飛行，粒子的飛行速度由微粒本身和同伴的飛行經(jīng)驗不斷的調(diào)整；最后進行微粒適應度值的計算，根據(jù)適應度的大小衡量微粒的優(yōu)劣，通過優(yōu)化選擇找出微粒個體最優(yōu)值以及整個群體的最優(yōu)值。

在進化過程中，粒子群優(yōu)化方法易陷入局部極值，即在達到一定的優(yōu)化精度后，可能很難再找到更好的解；微粒群過早收斂，使整個種群的進化停滯。為了克服上述缺陷，各領域的研究人員及學者們相繼提出了各種改良措施，經(jīng)歷了許許多多的變形和改進。

發(fā)明內(nèi)容

本發(fā)明的目的是解決現(xiàn)有粒子群優(yōu)化方法的不足，提出的一種基于優(yōu)勝劣汰、步步選擇的粒子群優(yōu)化方法(英文縮寫為SSPSO)。該方法能夠保證搜索在全局范圍內(nèi)展開，避免陷入局部極值，提高收斂速度，進而影響搜索能力。

本發(fā)明粒子群優(yōu)化方法的基本原理是：在操作過程中將粒子分成兩組，第一組的粒子是優(yōu)勢粒子，第二組的粒子是劣勢粒子。先通過種群在全局范圍內(nèi)搜索解空間，增強全局搜索能力；每次進化完成后，保留種群中最好的m個粒子，并選擇較好的這些粒子的位置空間作為新的解空間，在新的解空間中選取新的粒子代替種群中較差粒子的位置。這樣就可以步步逼近最優(yōu)粒子，找到最優(yōu)解，增強了尋優(yōu)能力。

本發(fā)明粒子群優(yōu)化方法的步驟包括以下步驟：

(1)設置初始參數(shù)：設粒子群內(nèi)有若干個粒子，隨機產(chǎn)生各粒子的初始位置與初始速度，限定任意時刻粒子的速度和位置的取值范圍，設定迭代終止條件，設置學習因子、慣性權重、粒子總個數(shù)。

(2)迭代迅優(yōu)，記錄當前迭代步數(shù)，并計算每個粒子的適應度值，對粒子適應度進行優(yōu)劣評價。

(3)按粒子優(yōu)劣度排列函數(shù)，并將相應的粒子位置進行排序。

(4)從粒子總個數(shù)為M個粒子群中選取并保留適應度較好的m個粒子(本專利選擇預測誤差均方值的大小作為粒子適應度值)，并將這m個粒子的位置范圍作為新的解空間。

(5)在新的解空間內(nèi)重新選擇M-m個粒子代替適應度較差的M-m個粒子，構造出新的粒子群。

(6)、評價上述構造出的新的粒子群中的各粒子的適應度值，并據(jù)此更新各粒子的歷史最優(yōu)值及粒子群的全局最優(yōu)值；按照式(1)更新粒子群中每個粒子的速度，按照式(2)更新粒子群中每個粒子位置；

v_ij(t+1)＝w*v_ij(t)+c₁*r_1j(t)*(G_ij(t)-P_ij(t))+c₂*r_2j(t)*(G_gi(t)-P_ij(t))??(1)

P_ij(t+1)＝P_ij(t)+0.5v_ij(t+1)??(2)

式(1)和式(2)中：

下標j：表示粒子的第j維；

下標i：表示第i個粒子；

P_i：第i個粒子的當前位置；

v_i：粒子的當前速度；

G_i：所經(jīng)歷的歷史最好位置；

t：進化到的代數(shù)；

c₁、c₂：學習因子；

r₁、r₂：在[0，1]范圍內(nèi)變化的隨機常數(shù)；

w：慣性權重，用于平衡粒子群算法的全局和局部搜索能力，決定粒子先前速度對現(xiàn)在速度的影響大小；

(7)、判斷算法是否收斂，是否達到迭代終止條件(達到最大迭代步數(shù)或滿足收斂精度要求)。若達到迭代終止條件，迭代結束，并輸出全局最優(yōu)粒子的相關參數(shù)，否則返回步驟(2)繼續(xù)迭代，直到滿足迭代終止條件。