[發(fā)明專利]一種基于改進(jìn)的多種群全局最優(yōu)的自適應(yīng)鴿群優(yōu)化方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811381008.1
• 申請(qǐng)日: 2018-11-20
• 公開（公告）號(hào): CN109657778B
• 公開（公告）日: 2022-02-15
• 發(fā)明（設(shè)計(jì)）人: 常鵬;盧瑞煒;張祥宇;王普
• 申請(qǐng)（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號(hào): G06N3/00
• 分類號(hào): G06N3/00
• 代理公司: 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11203
• 代理人: 吳蔭芳

1.一種基于改進(jìn)的多種群全局最優(yōu)的自適應(yīng)鴿群優(yōu)化方法，其特征在于：解決工業(yè)過程中參數(shù)調(diào)整的多目標(biāo)問題，通過把工業(yè)過程中待調(diào)的參數(shù)值組成向量，每個(gè)向量是參數(shù)值的一種可能解，把這種向量稱為粒子，通過粒子群有傾向的隨機(jī)飛行，高效求解工業(yè)過程參數(shù)設(shè)置的最優(yōu)值，其中，對(duì)于一個(gè)粒子X，X＝(x₁,x₂,…,x_n)，x₁到x_n為控制變量，在青霉素生產(chǎn)過程中包括：空氣流量、攪拌功率、底物添加速率、PH值、溫度；包括“粒子收斂性階段”和“粒子多樣性階段”兩個(gè)階段，具體步驟如下：A.粒子收斂性階段：

1)設(shè)置多目標(biāo)鴿群算法的參數(shù)，隨機(jī)初始化粒子位置、速度，

將全部粒子歸檔；

2)將粒子投影到平行單元格中，計(jì)算當(dāng)前時(shí)刻每個(gè)粒子在每個(gè)目標(biāo)上的適應(yīng)度值，其中當(dāng)前時(shí)刻第k個(gè)粒子在第m個(gè)目標(biāo)上的適應(yīng)度值L_k，m，具體公式如下：

其中，[x]是向上取整函數(shù)，K表示粒子總數(shù)，是全部K個(gè)粒子中在第m個(gè)目標(biāo)上的最大適應(yīng)度值，是全部K個(gè)粒子中在第m個(gè)目標(biāo)上的最小適應(yīng)度值，f_k，m是第k個(gè)粒子在第m個(gè)目標(biāo)上的適應(yīng)度值；

3)計(jì)算當(dāng)前時(shí)刻每個(gè)粒子的勢(shì)能，其中第i個(gè)粒子的勢(shì)能值的計(jì)算公式如下：

M為目標(biāo)個(gè)數(shù)；

4)分析全局粒子

i.計(jì)算當(dāng)前迭代次數(shù)下全局粒子的分布熵，其中第t次迭代時(shí)全局粒子的分布熵計(jì)算公式如下：

其中，Cell_k，m是粒子投影產(chǎn)生的平行單元中第k行第m列的單元格中點(diǎn)的個(gè)數(shù)，K為全部粒子個(gè)數(shù)，M為目標(biāo)個(gè)數(shù)，t從1開始；

ii.計(jì)算當(dāng)前迭代次數(shù)與前次迭代間熵的變化量，0時(shí)刻的熵值設(shè)為0，公式如下：

ΔEntropy(t)＝Entropy(t)-Entropy(t-1)

5)根據(jù)步驟3選取勢(shì)能值最小的粒子，此粒子為收斂全局最優(yōu)cgB；

6)調(diào)整飛行參數(shù)值ω(t)，公式如下：

其中，Step_ω＝ω/T，Step_ω為更新步長(zhǎng)，ω為慣性因子，T為一階段迭代次數(shù)；為ΔEntroy的閾值，K、M定義同上文；

7)更新所有粒子的速度、位置，第i個(gè)粒子的速度與位置的更新公式如下：

V_i(t)＝ω(t)·V_i(t-1)+rand·(cgB-X_i(t-1))

X_i(t)＝X_i(t-1)+V_i(t)

rand為(0,1)間的隨機(jī)數(shù)，V_i(t)為第i個(gè)粒子第t次迭代時(shí)的速度；X_i(t)為第i個(gè)粒子第t次迭代時(shí)的位置；

8)對(duì)檔案中的粒子與第7步更新后的粒子位置X(t)進(jìn)行非支配解排序，刪除名次低的解直至符合檔案大小，完成歸檔；

9)回到步驟2進(jìn)行迭代，直至達(dá)到一階段迭代次數(shù)上限，進(jìn)入下一階段，到步驟10；

B.粒子多樣性階段：

10)對(duì)粒子重新投影，計(jì)算每個(gè)粒子的密度值：

i.計(jì)算每個(gè)粒子與其他粒子的距離，其中第i個(gè)粒子與第j個(gè)粒子的距離公式描述如下：

ii.計(jì)算所有粒子在當(dāng)前粒子群中的密度，其中第i個(gè)粒子在當(dāng)前粒子群中的密度值公式如下：

；

11)根據(jù)步驟10選取密度值最小的粒子，此粒子為多樣全局最優(yōu)dgB；

12)更新所有粒子位置，其中第i個(gè)粒子的位置更新公式如下：

X_i(t)＝X_i(t-1)+rand·(dgB-X_i(t-1))

13)對(duì)檔案中的粒子與第12步更新后的粒子位置X(t)進(jìn)行非支配解排序，刪除名次低的解直至符合檔案大小，完成歸檔；

14)回到步驟10進(jìn)行迭代，直至達(dá)到二階段迭代次數(shù)上限，此時(shí)的檔案即為所求多目標(biāo)問題的最優(yōu)解集，輸出檔案。