[發明專利]基于復雜網絡的粒子群優化方法

有效

• 申請號: 201410185023.4
• 申請日: 2014-05-05
• 公開（公告）號: CN103971160B
• 公開（公告）日: 2017-02-15
• 發明（設計）人: 杜文博;蔡開泉;劉琛;高陽
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 北京永創新實專利事務所11121
• 代理人: 祗志潔

1.一種基于復雜網絡的粒子群優化方法，其特征在于，包括如下步驟：

第一步，確定尋優空間，設置種群規模，隨機設置各粒子的位置和速度；

第二步，根據無標度網絡的產生機制建立種群網絡拓撲，具體建立方法是：設當前存在的連通網絡中有m₀個粒子，對于新加入的粒子，將該粒子與已存在的網絡中的m個節點連接，m小于m₀，新加入粒子與網絡中已存在的節點i相連接的概率P_i為：

Pi=Ki/Σj=1m0Kj]]>

其中，K_i、K_j分別為網絡中已存在的節點i、節點j的度；

設種群共有N個粒子，N個粒子按照所述建立方法形成種群網絡；

第三步，確定當前各粒子的適應值，更新各粒子的歷史最好位置和歷史鄰居最好位置，以及全局歷史最好位置；

第四步，判斷是否達到迭代終止條件，若是，則執行第六步，否則繼續執行第五步；

第五步，更新各粒子的位置和速度，然后轉第三步執行；

第六步，將全局歷史最好位置輸出，結束本方法。

2.根據權利要求1所述的一種基于復雜網絡的粒子群優化方法，其特征在于，所述的粒子群優化方法，還提供了如下四種指標來評價中心粒子和非中心粒子的優化性能，具體是：

(1)鄰域中的影響力；

確定粒子i的所有鄰居的平均度值K_i'，i＝1,2…,N；確定粒子i在優化過程中學習的鄰居的平均度值K_i″，其中t為當前的優化代數，T為最大優化代數，K_i″(t)為第t代時粒子i學習的鄰居的度值；如果K_i″大于K_i'，則粒子i傾向于向鄰居中度值較大的粒子學習；

(2)傳遞信息的能力；

確定各粒子i在第t代傳遞信息的次數為L_i(t)，則度值為K的所有粒子在第t代的平均傳遞次數其中ρ_K為度值為K的粒子集合，n_K為度值為K的粒子個數；觀察I_K(t)隨代數t的變化，得到不同度值粒子在傳遞信息能力上對種群貢獻的變化趨勢，I_K值越大，表示粒子對種群信息傳遞能力的貢獻越大；

(3)適應值的優劣；

獲取度值為K的所有粒子在第t代的平均適應值R_K(t)，設為最大度值K_max的所有粒子的平均適應值，則度值為K的所有粒子在第t代的相對適應值對于目標函數為求極小值的函數，R_K(t)或R_K'(t)越小表示適應值越好；

(4)保持種群活躍性的能力；

定義整個種群在第t代保持活躍性的總貢獻度值為K的粒子對種群活躍性的平均貢獻B_i(t)為粒子i在第t代發現更優值的次數，確定方法是：當粒子i在第t代的適應值R_i(t)好于鄰居曾經取得的最好值p_g(t-1)時，B_i(t)為1，否則B_i(t)為0。