[發明專利]一種基于PSO算法求解模糊期望值模型問題的混合智能算法

在審

• 申請號: 201510520051.1
• 申請日: 2015-08-15
• 公開（公告）號: CN105160399A
• 公開（公告）日: 2015-12-16
• 發明（設計）人: 肖寧;王煜東;劉聰
• 申請（專利權）人: 肖寧
• 主分類號: G06N3/02
• 分類號: G06N3/02;G06K9/66
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于PSO算法求解模糊期望值模型問題的混合智能算法，其特征在于，包括如下步驟：

S1：利用模糊模擬的期望值估計算法為不確定函數U1，U2產生輸入輸出數據：(xt，yk)，其中，t，k分別為輸入、輸出神經元的個數；利用線性函數轉換法對xt，yk分別進行歸一化預處理，以歸一化后的輸入輸出數據作為訓練樣本；

U1：X→E[f(x，ξ)]

U2：X→E[g_j(x，ξ)]

S2：利用以上訓練樣本訓練一個BP神經網絡以逼近不確定函數U1，U2；

S3：在d維問題空間上對微粒群進行初始化：設定群體規模為popsize，在決策向量X的可行域中產生一隨機數，歸一化后利用神經網絡計算網絡的仿真輸出值并進行反歸一化，然后檢驗該隨機數的可行性，重復該過程popsize次，從而得到popsize個初始可行的微粒：

X_i＝(x_i1，x_i2，…，x_id)i＝1，2，…，popsize，然后再對速度等進行初始化；

S4：利用訓練好的神經網絡計算每個歸一化后微粒的網絡仿真輸出值，并進行反歸一化，作為每個微粒的適應值；

S5：對每個微粒，將其適應值與所經歷的最好位置的適應值進行比較，若較好，則將其作為當前最好位置；

S6：對每個微粒，將其最好適應值與全局所經歷的最好適應值進行比較，若較好，則將其作為當前的全局最好位置；

S7：根據以下方程進化：

V_id＝ω*V_id+c₁*rand()*(P_id-X_id)+c₂*(P_gd-X_id)(1)

Vid=Vmax,ifVid>VmaxVid=-Vmax,ifVid<-Vmax---(2)]]>

X_id＝X_id+V_id1≤i≤N(3)

式中，ω為慣性權重，c1，c2為正的加速度常數；rand()為[0，1]上均勻分布的模糊數；Pid、Pgd分別為個體極值、全局極值的第d維分量；在(2)中對微粒的最大速度進行了最大限制：如果當前對微粒的加速將導致它的某維的速度分量V_id超過該維的最大速度限額Vmax，則該維的速度被限制為Vmax，它決定了微粒在解空間的搜索精度，如果Vmax過大，粒子容易飛過最優解，反之，粒子容易陷入局部搜索空間而無法進行全局搜索，若問題的搜索空間限制在[-Xmax，Xmax]內，則可設定Vmax＝k*Xmax，0.1≤k≤1.0；

S8：對更新后的微粒再次進行歸一化處理；

S9：利用神經網絡計算網絡的仿真輸出值并進行反歸一化，然后檢驗微粒的可行性，若可行，則接受，否則保持原位置不變；

S10：重復step4至step9至一個預設的最大迭代次數或一個足夠好的適應值；

S11：給出最好的微粒及對應的適應值作為最優解及對應的最優值。