[發(fā)明專利]基于GAPSO算法的最優(yōu)自適應(yīng)策略決策方法

有效

• 申請?zhí)枺?/td>: 201710418901.6
• 申請日: 2017-06-06
• 公開（公告）號: CN107229971B
• 公開（公告）日: 2019-10-08
• 發(fā)明（設(shè)計）人: 李青山;王璐;張彥;何柳;張曼
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06N3/12
• 分類號: G06N3/12
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 韋全生;王品華

本發(fā)明提出了一種基于PSO算法的最優(yōu)自適應(yīng)策略決策方法，用于解決現(xiàn)有技術(shù)在自適應(yīng)策略空間中策略數(shù)量較為巨大的情況下決策效率低的技術(shù)問題。實現(xiàn)步驟為：(1)獲取自適應(yīng)系統(tǒng)的決策需求；(2)建立自適應(yīng)策略空間；(3)構(gòu)造適應(yīng)度函數(shù)；(4)利用GA算法的交叉和變異對自適應(yīng)策略空間進(jìn)行計算，得到中間策略空間，并利用GA算法的選擇從中間策略空間選擇最優(yōu)適應(yīng)度函數(shù)值對應(yīng)的自適應(yīng)策略加入到目標(biāo)策略空間，再利用PSO算法對中間策略空間中剩余的自適應(yīng)策略進(jìn)行更新，將更新結(jié)果加入到目標(biāo)策略空間中，得到目標(biāo)策略空間；(5)獲取最優(yōu)自適應(yīng)策略。本發(fā)明具有決策效率高、適用范圍廣、可避免自適應(yīng)策略之間的沖突的優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明屬于計算機(jī)技術(shù)領(lǐng)域，涉及一種最優(yōu)自適應(yīng)策略決策方法，具體涉及一種基于GAPSO算法的自適應(yīng)策略空間中最優(yōu)自適應(yīng)策略的決策方法。適用于自適應(yīng)策略空間巨大、搜索過程耗時較長的自適應(yīng)軟件系統(tǒng)中，滿足了自適應(yīng)軟件需要快速決策的系統(tǒng)需求。

背景技術(shù)

隨著越來越多的軟件系統(tǒng)運(yùn)行在互聯(lián)網(wǎng)、云計算、大數(shù)據(jù)等動態(tài)、開放、多變、難以預(yù)測和控制的環(huán)境中，軟件系統(tǒng)面臨的變化越來越多，也越來越復(fù)雜。自適應(yīng)系統(tǒng)是為了使軟件系統(tǒng)能夠在上述復(fù)雜環(huán)境中正常運(yùn)行而提出來的。自適應(yīng)軟件系統(tǒng)的核心功能之一是當(dāng)變化發(fā)生時，系統(tǒng)能夠快速地對該變化做出響應(yīng)使軟件可保持正常運(yùn)行。因此，能夠在由數(shù)量巨大的、表示對已經(jīng)發(fā)生的變化的調(diào)整方法的自適應(yīng)策略構(gòu)成的策略空間中快速決策出最優(yōu)自適應(yīng)策略就成了影響自適應(yīng)軟件系統(tǒng)功能和性能的關(guān)鍵因素。

目前，國內(nèi)外的相關(guān)學(xué)者及研究人員多采用基于并行任務(wù)分配調(diào)度機(jī)制的決策方法和基于強(qiáng)化學(xué)習(xí)技術(shù)的決策方法來解決該問題。2008年，局部合作的多智能體Q-Learning算法被提出，該算法在存在合作關(guān)系的Agent之間進(jìn)行聯(lián)合動作的選取，否則，執(zhí)行單個Agent的Q-Learning算法，局部合作的多智能體Q-Learning算法未度量每個Agent對系統(tǒng)的影響并且依靠經(jīng)驗區(qū)分Agent之間的合作與獨(dú)立狀態(tài)，導(dǎo)致在訓(xùn)練周期不斷增大的情況下算法性能下降。

在基于并行任務(wù)分配調(diào)度機(jī)制的決策方法中，根據(jù)調(diào)度策略在執(zhí)行過程中是否可以變化，基于并行任務(wù)分配調(diào)度機(jī)制的決策方法可分為基于靜態(tài)分配調(diào)度方法的決策方法和基于動態(tài)分配調(diào)度方法的決策方法。基于靜態(tài)分配調(diào)度方法的決策方法無法對系統(tǒng)中實時產(chǎn)生的任務(wù)實現(xiàn)較好的調(diào)度和負(fù)載均衡。基于動態(tài)分配調(diào)度算法的決策方法可在系統(tǒng)運(yùn)行階段接受新的任務(wù)，將任務(wù)分配給相應(yīng)的處理機(jī)并對處理機(jī)上的任務(wù)進(jìn)行動態(tài)調(diào)整，該動態(tài)調(diào)整過程即為從自適應(yīng)策略空間中決策產(chǎn)生最優(yōu)自適應(yīng)策略的過程，該過程決策出一個使系統(tǒng)中各處理機(jī)上的負(fù)載達(dá)到均衡狀態(tài)的最優(yōu)自適應(yīng)策略。在自適應(yīng)策略空間較為巨大的情況下，基于動態(tài)分配調(diào)度算法的決策方法在決策產(chǎn)生最優(yōu)自適應(yīng)策略時耗時較長，效率較低。

授權(quán)公告號為CN104778507B、名稱為“一種基于自適應(yīng)粒子群算法的樓宇智能用電策略獲取方法”的中國專利，公開了一種基于自適應(yīng)粒子群算法的樓宇智能用電策略獲取方法，該方法針對擁有至少兩種供電源的樓宇，首先在符合各個供電源特性要求的前提下，獲取預(yù)設(shè)數(shù)量該樓宇在預(yù)設(shè)未來應(yīng)用實施時間內(nèi)各個時間段中的用電方法，然后根據(jù)各個用電方案進(jìn)行迭代，分別獲取每一次迭代過程中最低的用電成本，最后在所有迭代過程分別對應(yīng)的最低用電成本中，獲取最低的用電成本，該用電成本對應(yīng)用電方案即為該樓宇在預(yù)設(shè)未來應(yīng)用實施時間內(nèi)各個時間段中的最優(yōu)用電策略。該方法在供電源較多、用電方案空間巨大的情況下，算法效率十分低下；同時該算法局限于智能用電策略的獲取，適用范圍狹窄，并且沒有考慮供電源間可能發(fā)生的沖突。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述已有技術(shù)的不足，提出了一種基于GAPSO算法的最優(yōu)自適應(yīng)策略決策方法，用于解決現(xiàn)有技術(shù)在自適應(yīng)策略空間中策略數(shù)量較為巨大的情況下決策效率低的技術(shù)問題。

為實現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案包括如下步驟：

(1)獲取自適應(yīng)系統(tǒng)的決策需求：