[發明專利]一種群組信息共享的自適應群體智能算法候選解修正方法在審
| 申請號: | 201811116798.0 | 申請日: | 2018-09-25 |
| 公開(公告)號: | CN109409494A | 公開(公告)日: | 2019-03-01 |
| 發明(設計)人: | 穆磊;王鵬;辛罡 | 申請(專利權)人: | 西南民族大學 |
| 主分類號: | G06N3/00 | 分類號: | G06N3/00 |
| 代理公司: | 成都頂峰專利事務所(普通合伙) 51224 | 代理人: | 何紅信 |
| 地址: | 610000 四川*** | 國省代碼: | 四川;51 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 候選解 采樣 參考點 自適應 高斯 修正 群體智能算法 種群 個人經驗 社會信息 最佳位置 組信息 方法使用 距離關系 最優解 共享 算法 吸引 智能 糾正 群體 | ||
1.一種群組信息共享的自適應群體智能算法候選解修正方法,其特征在于,包括以下步驟:
A1:對隨機初始化個體解x(i,j,t)進行高斯采樣,生成基礎參考點x′(i,j,t);
A2:讀取歷史最優位置xlb(i,j,t)、整個種群所有個體的最佳位置xgb(j,t)和基礎參考點x′(i,j,t);
A3:計算當前位置和該個體歷史最優位置的距離,結果用σlb(i,j,t)表示;
A4:計算當前位置和種群歷史最優位置的距離,結果用σgb(i,j,t)表示;
A5:計算xlb(i,j,t)和σlb(i,j,t)經高斯采樣后生成的個體最優參考點,結果用x′lb(i,j,t)表示;
A6:計算xgb(j,t)和σgb(i,j,t)經高斯采樣后生成的群體最優參考點,結果用x′gb(j,t)表示;
A7:計算個體最優參考點與基礎參考點之間的距離,用dlb(i,j,t)表示;
A8:計算群體最優參考點與基礎參考點之間的距離,用dgb(i,j,t)表示;
A9:計算吸引因子a1,公式如下:
A10:計算吸引因子a2,公式如下:
A11:將dlb(i,j,t)和dgb(i,j,t)取絕對值,比較其大小;
A12:通過dlb(i,j,t)和dgb(i,j,t)的絕對值大小關系絕對值選取修正解的計算公式,并根據計算公式計算修正解的值,修正解由x(i,j,t+1)表示;
若|dgb(i,j,t)|>|dlb(i,j,t)|,則修正解由以下公式計算:
x′(i,j,t)+a1dgb(i,j,t)+a2dlb(i,j,t);
若|dgb(i,j,t)|<|dlb(i,j,t)|,則修正解由以下公式計算:
x′(i,j,t)+a2dgb(i,j,t)+a1dlb(i,j,t);
A13、輸出修正解的值。
2.根據權利要求1所述的群組信息共享的自適應群體智能算法候選解修正方法,其特征在于:所述a1和a2均為0到1之間的非負實數。
3.根據權利要求1所述的群組信息共享的自適應群體智能算法候選解修正方法,其特征在于:所述σlb(i,j,t)的計算公式為:
σlb(i,j,t)=xlb(i,j,t)-x′(i,j,t)。
4.根據權利要求1所述的群組信息共享的自適應群體智能算法候選解修正方法,其特征在于:所述σgb(i,j,t)的計算公式為:
σgb(i,j,t)=xgb(j,t)-x′(i,j,t)。
5.根據權利要求1所述的群組信息共享的自適應群體智能算法候選解修正方法,其特征在于:所述x′lb(i,j,t)的計算公式為:
x′lb(i,j,t)~N(xlb(i,j,t),(σlb(i,j,t))2)。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于西南民族大學,未經西南民族大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811116798.0/1.html,轉載請聲明來源鉆瓜專利網。





