[發(fā)明專利]一種基于并行增強(qiáng)搜索粒子群優(yōu)化算法的計(jì)算方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201910588283.9
• 申請日: 2019-06-28
• 公開（公告）號: CN110334797A
• 公開（公告）日: 2019-10-15
• 發(fā)明（設(shè)計(jì)）人: 楊震倫
• 申請（專利權(quán)）人: 廣州番禺職業(yè)技術(shù)學(xué)院
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06F17/50
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 顏希文;麥小嬋

本發(fā)明公開了一種基于并行增強(qiáng)搜索粒子群優(yōu)化算法的計(jì)算方法及系統(tǒng)，該方法包括：獲取待優(yōu)化目標(biāo)問題的函數(shù)模型；利用粒子群算法對所述函數(shù)模型進(jìn)行全局搜索，同時(shí)，運(yùn)行輔助算法對粒子群算法中的粒子以及粒子的個(gè)體最優(yōu)位置pbest進(jìn)行選擇性更新；當(dāng)所述粒子群算法達(dá)到最大的迭代次數(shù)時(shí)，根據(jù)最終代粒子群搜索到的最優(yōu)解的相應(yīng)變量值對所述待優(yōu)化目標(biāo)問題的參數(shù)進(jìn)行對應(yīng)設(shè)置，以獲得所述待優(yōu)化目標(biāo)問題的解決方案。本發(fā)明通過采用兩類算法并行運(yùn)行的方式，以粒子群算法為主并以其他輔助算法作為補(bǔ)充，在充分保留粒子群算法快速收斂的能力的同時(shí)增強(qiáng)了算法的全局搜索能力，從而快速準(zhǔn)確地計(jì)算出相應(yīng)的控制變量以實(shí)現(xiàn)對目標(biāo)問題的最優(yōu)化求解要求。

技術(shù)領(lǐng)域

本發(fā)明涉及最優(yōu)化技術(shù)領(lǐng)域，尤其是涉及一種基于并行增強(qiáng)搜索粒子群優(yōu)化算法的計(jì)算方法及系統(tǒng)。

背景技術(shù)

最優(yōu)化問題是指在特定的條件下找到合適的控制變量，使得相應(yīng)的目標(biāo)函數(shù)值取所需要的最大值或最小值。最優(yōu)化問題普遍存在于工程應(yīng)用中的各個(gè)領(lǐng)域，實(shí)現(xiàn)對最優(yōu)化問題的高效求解具有重要的意義。

對于給定的最優(yōu)化問題，首先是通過建模的方式將其轉(zhuǎn)換成規(guī)范表達(dá)的數(shù)學(xué)模型，也就是定義決策空間、目標(biāo)空間以及兩者之間的關(guān)系。然后是對優(yōu)化問題的數(shù)學(xué)模型通過計(jì)算的方式來求解。目前，求解最優(yōu)化問題的一個(gè)主要的方向基于受自然界生物的行為及規(guī)律啟發(fā)而提出的全局優(yōu)化算法，這些算法都屬于元啟發(fā)式算法，主要包括遺傳算法、差分進(jìn)化算法、蟻群算法、粒子群算法和人工魚群算法等。這些優(yōu)化算法對于求解簡單的最優(yōu)化問題具有較好的效果，但是對于求解復(fù)雜的多維變量、多極值點(diǎn)、非連續(xù)及非平滑的最優(yōu)化問題的求解效率往往不夠理想，如存在收斂時(shí)間過長、早熟收斂等現(xiàn)象，甚至不能得到滿意的次優(yōu)解。因此如何綜合設(shè)計(jì)具有較高求解效率的優(yōu)化算法進(jìn)行相應(yīng)的復(fù)雜最優(yōu)化問題的求解依然具有重要的研究意義。

粒子群算法的原理簡單，參數(shù)少，容易實(shí)現(xiàn)，但其最大缺陷在于早熟收斂問題，對于很多問題都無法得到全局最優(yōu)解。其中，導(dǎo)致粒子群算法出現(xiàn)早熟收斂的一個(gè)較為重要的原因是在整個(gè)進(jìn)化過程中，種群最優(yōu)位置對所有粒子飛行方向一直都保持著較強(qiáng)的引導(dǎo)作用。粒子的這種搜索方式雖然能夠獲得較快的收斂速度，但是較為容易使得整個(gè)種群都陷入局部極值點(diǎn)，不利于尋求全局最優(yōu)解，特別是在迭代后期，大量粒子聚集于一個(gè)較小范圍的搜索空間，整個(gè)種群多樣性不足，已經(jīng)基本喪失了對空間中其他區(qū)域的開發(fā)能力。

目前的粒子群算法對搜索過程所獲得的信息并沒有予以足夠的利用，或是僅限于利用每個(gè)個(gè)體的自身最優(yōu)位置及種群最優(yōu)位置上，算法的全局搜索能力較弱，導(dǎo)致無法快速、準(zhǔn)確地找到相應(yīng)的控制變量以實(shí)現(xiàn)對目標(biāo)問題的最優(yōu)化求解要求。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種基于并行增強(qiáng)搜索粒子群優(yōu)化算法的計(jì)算方法及系統(tǒng)，能夠增強(qiáng)粒子群算法的全局搜索能力，從而快速準(zhǔn)確地計(jì)算出相應(yīng)的控制變量以實(shí)現(xiàn)對目標(biāo)問題的最優(yōu)化求解要求。

為了解決上述技術(shù)問題，本發(fā)明實(shí)施例提供了一種基于并行增強(qiáng)搜索粒子群優(yōu)化算法的計(jì)算方法，包括：

獲取待優(yōu)化目標(biāo)問題的函數(shù)模型；

利用粒子群算法對所述函數(shù)模型進(jìn)行全局搜索，同時(shí)，運(yùn)行輔助算法對粒子群算法中的粒子以及粒子的個(gè)體最優(yōu)位置pbest進(jìn)行選擇性更新；

當(dāng)所述粒子群算法達(dá)到最大的迭代次數(shù)時(shí)，根據(jù)最終代粒子群搜索到的最優(yōu)解的相應(yīng)變量值對所述待優(yōu)化目標(biāo)問題的參數(shù)進(jìn)行對應(yīng)設(shè)置，以獲得所述待優(yōu)化目標(biāo)問題的解決方案。

進(jìn)一步地，所述運(yùn)行輔助算法對粒子群算法中的粒子以及粒子的個(gè)體最優(yōu)位置pbest進(jìn)行選擇性更新，具體的：

利用輔助算法對第t代粒子以及第t代之前的H-1代粒子進(jìn)行聚類并生成新個(gè)體，得到第t+1代備選粒子，并計(jì)算粒子的目標(biāo)函數(shù)值；

根據(jù)預(yù)設(shè)的第一概率在所述第t+1代備選粒子中選擇出替換粒子對第t+1代粒子進(jìn)行替換，以對所述第t+1代粒子進(jìn)行更新；