[發明專利]一種多目標過程系統優化的粒子群算法求解方法

在審

• 申請號: 201810379287.1
• 申請日: 2018-04-25
• 公開（公告）號: CN108710939A
• 公開（公告）日: 2018-10-26
• 發明（設計）人: 莫愿斌
• 申請（專利權）人: 廣西民族大學
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 北京國坤專利代理事務所(普通合伙) 11491
• 代理人: 趙紅霞

1.一種多目標過程系統優化的粒子群算法求解方法，其特征在于，所述多目標過程系統優化的粒子群算法求解方法包括以下步驟：

步驟一，先求各目標的最優值、再求理想有效解；

步驟二，在粒子群優化算法中加入懲罰項，同時對PSO算法中的個體極值與全局極值作調整使PSO算法適用于求多目標優化問題理想有效解。

2.如權利要求1所述的多目標過程系統優化的粒子群算法求解方法，其特征在于，所述粒子群優化算法為：每個粒子在飛行過程所經歷的最好位置，就是粒子本身找到的最優解；整個群體所經歷過的最好位置就是整個群體目前找到的最優解；每個粒子都通過兩個極值不斷更新自己，產生新一代群體；粒子的群體規模為N，用x_i表示第i個粒子，速度用v_i表示，所經歷的最好位置記為pBest[i]，則PSO算法的迭代公式為：

v_i＝ω×v_i+c₁×rand()×(pBest[i]-x_i)+c₂×rand()(gBest-x_i)；

x_i＝x_i+v_i；

其中c1,c2為控制參數，也稱學習因子；rand()是隨機數，ω看作慣性權重。

3.如權利要求1所述的多目標過程系統優化的粒子群算法求解方法，其特征在于，所述求解多目標優化理想有效解的粒子群優化算法為：

①用PSO算法求解問題

minf_j(x)j＝1,2.....n

minf_n+1(x)＝∑(f_j(x)-f_j(m))²

其中f_j(m)是表示第j個目標函數計算到第m代為止所得到的最優值；

②對PSO算法的局部極值點pBest與全局極值點gBest的處理如下：對每個目標函數找到每個粒子對應的局部極值點pBest[i,j]與全局極值點gBest[j]，其中i＝1,2,N，是表示粒子的序號，j＝1,2,(n+1)，是表示目標函數的序號；在更新每個粒子的速度時，用各gBest[j]的均值作為全局的極值點gBest，在各pBest[i,j](j＝1,2,(n+1))與它們的均值之中隨機選取一個作為第i個粒子的局部極值點pBest[i]。

4.如權利要求3所述的多目標過程系統優化的粒子群算法求解方法，其特征在于，所述求解多目標優化理想有效解的粒子群優化算法為：

(1)初始化種群：給定群體規模N，隨機產生每個粒子的位置xi和速度vi；m＝1；

(2)forj＝1 to n對每個粒子x_i(i＝1,2,,N)計算f_j(x_i)，通過比較得到最優值，記為f_j(m)；

(3)對每個粒子x_i(i＝1,2,,N)計算f_j(x_i)，通過比較求出局部極值點pBest[i,j]；

(4)求出每個目標函數f_j(x)(j＝1,2,,(n+1))的全局極值點gBest[j]；

(5)求出各目標函數f_j(x)(j＝1,2,,(n+1))的全局極值點gBest[j]的均值并記為gBest；

(6)對每個粒子x_i(i＝1,2,N)，求出其相應于各目標函數的局部極值點pBest[i,j]的均值

在pBest[i,j](j＝1,2,,(n+1))與pBest[i]這(n+2)點中隨機選取一個作為xi的局部極值點pBest[i]；

(7)更新各個粒子的速度v_i與x_i；

(8)檢查是否已達到中止條件，是，退出；否則

f_j(m)＝min{f_j(m),f_j(pBest[1]),f_j(pBest[2]),...,f_j(pBest[N]),f_j(x₁),f_j(x₂),...f_j(x_N)}

返回(3)。