[發明專利]利用自組織極值優化處理進行控制優化的方法

在審

• 申請號: 201410559175.6
• 申請日: 2014-10-20
• 公開（公告）號: CN104361204A
• 公開（公告）日: 2015-02-18
• 發明（設計）人: 吳婷
• 申請（專利權）人: 上海電機學院
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 上海思微知識產權代理事務所(普通合伙) 31237
• 代理人: 鄭瑋

技術領域

本發明涉及智能控制領域，更具體地說，本發明涉及一種利用自組織極值優化處理進行控制優化的方法。

背景技術

在智能控制領域，極值優化算法已經廣泛應用于經典組合優化、復雜網絡、生產調度等復雜的優化問題，常見的有EO、τ-EO及其改進的算法，具有收斂速度快，局部優化能力強的特點。但是連續優化問題難以直觀地從系統的角度進行分析。

目前的連續優化算法，如連續極值優化算法、基于群體的EO算法以及和其他智能算法混合的算法等，在某種程度上忽略了EO算法的理論基礎，沒有從根本上利用自組織優化的特點。GEO算法也只是簡單將EO算法擴展到連續函數優化問題，并沒有從根本上分析其自組織優化過程，造成迭代次數大，容易陷入局部最優等問題。

發明內容

本發明所要解決的技術問題是針對現有技術中存在上述缺陷，提供一種能夠通過利用自組織優化的特點對控制工程進行有效優化的方法。

為了實現上述技術目的，根據本發明，提供了一種利用自組織極值優化處理進行控制優化的方法，其中利用自組織極值優化處理求解連續函數優化并且將求解出來的最優解作為控制參數，其中自組織極值優化處理包括：

第一步驟：根據控制目標來確定連續函數f(x)的局部適應度函數；

第二步驟：隨機生成連續函數f(x)的初始解s，并設置當前最優解s_best；

第三步驟：針對當前的初始解，計算初始解中的每個個體s_i(i＝1,…,m)的局部適應度；

第四步驟：找到適應度值最大的局部適應度；

第五步驟：構造改變與適應度值最大的局部適應度相對應的個體s_j的鄰域空間N(s)，選擇一個鄰域解s'∈N(s)，并且無條件接受所選擇的鄰域解作為新解；

第六步驟：將新解和當前最優解s_best分別代入所述連續函數，以便判斷f(s')≤f(s_best)是否成立；

而且，如果在第六步驟中判斷f(s')≤f(s_best)成立，則將新解設置為最終最優解；如果在第六步驟中判斷f(s')≤f(s_best)不成立，則返回第二步驟。

優選地，所述利用自組織極值優化處理進行控制優化的方法用于執行生產調度。

優選地，第一步驟中還確定連續函數f(x)的解的編碼方法和變異操作。

本發明在EO、GEO及相關改進算法的基礎上，提出一種新的求解連續函數優化的自組織極值優化算法SOEO，有效解決了GEO算法無法搜索整個解空間的問題，并且能夠進一步應用于求解復雜函數優化及諸如生產調度之類的實際工程優化問題。

附圖說明

結合附圖，并通過參考下面的詳細描述，將會更容易地對本發明有更完整的理解并且更容易地理解其伴隨的優點和特征，其中：

圖1示意性地示出了根據本發明優選實施例的利用自組織極值優化處理進行控制優化的方法的流程圖。

需要說明的是，附圖用于說明本發明，而非限制本發明。注意，表示結構的附圖可能并非按比例繪制。并且，附圖中，相同或者類似的元件標有相同或者類似的標號。

具體實施方式

為了使本發明的內容更加清楚和易懂，下面結合具體實施例和附圖對本發明的內容進行詳細描述。

本發明中的自組織極值優化算法SOEO算法是在EO、GEO及相關改進算法基礎上提出的，針對求解連續函數優化問題中的關鍵步驟、局部適應度的定義和鄰域變異操作進行了分析。自組織極值優化算法SOEO同樣使用二進制編碼表示決策變量，變異同時考慮增加步長和減小步長兩種情況，在理論上保證算法能以一定概率搜索整個解空間。在自組織極值優化算法SOEO算法的自組織優化工程中，任何個體的變異不像GEO算法中孤立的操作，而是會影響相鄰個體甚至組成單個解的大部分二進制位，體現出了該算法局部搜索能力強的特點，可以快速收斂到一個局部最優解，再通過間斷漲落的動態搜索過程不斷逃離當前局部最優解以便于搜索其他局部最優解以至全局最優解。

本發明根據EO、τ-EO算法分析的基礎上提出自組織極值優化算法SOEO，同樣使用二進制編碼表示決策變量，變異同時考慮增加步長和減小步長兩種情況，在理論上保證算法能以一定概率搜索整個解空間。

圖1示意性地示出了根據本發明優選實施例的利用自組織極值優化處理進行控制優化的方法的流程圖。