[發(fā)明專利]一種基于PSO算法的物種生滅優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 202011074027.7
• 申請日: 2020-10-09
• 公開（公告）號: CN112163665A
• 公開（公告）日: 2021-01-01
• 發(fā)明（設(shè)計）人: 楊永建;鄧有為;甘軼;南建國;肖冰松;黃柏儒
• 申請（專利權(quán)）人: 中國人民解放軍空軍工程大學(xué)
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于PSO算法的物種生滅優(yōu)化方法，其特征在于，具體步驟如下：

第一步：設(shè)置物種生滅方法的參數(shù)，包括：幸存物種的數(shù)量S，物種的衍生能力A，A∈[A_min，A_max]，A_max表示最大的物種衍生能力，A_min≥0表示最小的物種衍生能力；物種的生代數(shù)G，物種的爆發(fā)倍數(shù)M，收縮系數(shù)α，算法的迭代次數(shù)Iter；

第二步：設(shè)置PSO算法的參數(shù)，包括：種群大小P，學(xué)習(xí)因子c₁和c₂，慣性權(quán)重因子ω，粒子的最大移動速動v_max和v_-max，算法的迭代次數(shù)iter；

第三步：根據(jù)優(yōu)化問題建立適應(yīng)度函數(shù)；對7個D維的基本測試函數(shù)的最小值進(jìn)行求解，建立的適應(yīng)度函數(shù)如表1所示，表中，D表示優(yōu)化問題的維數(shù)，[L_min，L_max]表示優(yōu)化區(qū)域，L_min和L_max分別為優(yōu)化區(qū)域的下界和上界，[L_min，L_max]^D表示每一維的優(yōu)化區(qū)域都為[L_min，L_max]；

表1優(yōu)化函數(shù)用例

表中，x_d為第d維的變量值，e為自然常數(shù)；

第四步：根據(jù)目標(biāo)函數(shù)及優(yōu)化區(qū)域的范圍，采用隨機化的方式，初始化物種生滅方法，并計算每個物種的適應(yīng)度值；每一個物種的每一維初始化公式為：

Sp(s，d，k)＝L_max+(L_min-L_max)×rand (1)

A(s，d，k)＝(A_max-A_min)/G (2)

其中，Sp(s，d，k)表示第s個物種、第d維在第k次優(yōu)化時的值，A(s，d，k)表示第s個物種、第d維在第k次優(yōu)化時的衍生能力，s＝1，2，...，S表示第s個幸存物種；d＝1，2，...，D表示優(yōu)化問題的第d維；k＝1，2，...，Iter表示物種生滅方法的第k次迭代；rand代表(0，1)之間的隨機數(shù)；

第五步：對每一個幸存物種進(jìn)行一次爆發(fā)；每一次大爆發(fā)時，物種每一維的更新公式為：

Spe(s，d，k，j)＝Sp(s，d，k)+rand×A(s，d，k) (3)

Ae(s，d，k，j)＝(A_max-A_min)/(G+1) (4)

其中，Spe(s，d，k，j)表示第s個物種、第d維，在第k次優(yōu)化的第j次爆發(fā)時的值，Ae(s，d，k，j)表示第s個物種、第d維，在第k次優(yōu)化的第j次爆發(fā)時的衍生能力，j＝1，2，...，M表示第j次爆發(fā)；

第六步：對每一次爆發(fā)產(chǎn)生的新物種進(jìn)行越界判斷和處理；爆發(fā)所產(chǎn)生物種的每一維，其數(shù)值應(yīng)在[L_min，L_max]區(qū)間之內(nèi)，若不在此區(qū)間內(nèi)，則該維越界；對越界物種的該維數(shù)值，用隨機函數(shù)產(chǎn)生[L_min，L_max]區(qū)間內(nèi)的隨機數(shù)進(jìn)行代替；若未越界，則不用處理；

第七步：采用PSO算法對每次爆發(fā)產(chǎn)生的新物種進(jìn)行深度迭代；

①在爆發(fā)產(chǎn)生的新物種基礎(chǔ)上，生成P個粒子，每個粒子每一維的生成公式為：

p_p(p，d，i)＝rand×Spe(s，d，k，j) (5)

v(p，d，i)＝(L_max-L_min)×(rand-0.5) (6)

其中，p_p(p，d，i)表示第i次迭代時的第p個粒子的第d維的值，v(p，d，i)表示第i次迭代時的第p個粒子的第d維的速度值，p＝1，2，...，P表示第p個粒子；i＝1，2，...，iter表示采用PSO算法的第i次迭代，初始化時i＝1；

②對每個粒子進(jìn)行越界判斷和處理；每個粒子的每一維，其數(shù)值應(yīng)在[L_min，L_max]區(qū)間之內(nèi)，若不在此區(qū)間內(nèi)，則該維越界；對越界粒子的該維數(shù)值，用隨機函數(shù)產(chǎn)生[L_min，L_max]區(qū)間內(nèi)的隨機數(shù)進(jìn)行代替；若未越界，則不用處理；

③根據(jù)所建立的適應(yīng)度函數(shù)，如表1所示，計算P個粒子的適應(yīng)度值，選取的標(biāo)準(zhǔn)是什么選出全局最優(yōu)解p_g(i)，并令自身粒子最優(yōu)解為粒子當(dāng)前的位置；

全局最優(yōu)解的選擇規(guī)則為：適應(yīng)度值最小的粒子位置為全局最優(yōu)解；

④對每個粒子的每一維按照下式進(jìn)行更新；

v(p，d，i+1)＝ω×v(p，d，i)+c₁×rand×[p_l(p，d，i)-p_p(p，d，i)]+c₂×rand×(p_g(i，d)-p_p(p，d，i))(7)

其中，ω為慣性權(quán)重；p_l(p，d，i)為第p個粒子第i次迭代時第d維的自身歷史的最優(yōu)位置，p_g(i，d)為種群在第i次迭代時第d維的最優(yōu)位置；c₁和c₂為加速因子；

判斷速度是否在[-(L_max-L_min)，(L_max-L_min)]區(qū)間內(nèi)，若不在此區(qū)間內(nèi)，用隨機函數(shù)產(chǎn)生[-(L_max-L_min)，(L_max-L_min)]區(qū)間內(nèi)的隨機數(shù)進(jìn)行代替，若在此區(qū)間內(nèi)，則不用處理；

p_p(p，d，i+1)＝p_p(p，d，i)+v(p，d，i+1) (8)

判斷更新后的每個粒子的每一維是否在[L_min，L_max]區(qū)間之內(nèi)，若不在此區(qū)間內(nèi)，用隨機函數(shù)產(chǎn)生[L_min，L_max]區(qū)間內(nèi)的隨機數(shù)進(jìn)行代替；若在此區(qū)間內(nèi)，則不用處理；

⑤每次更新完粒子速度和位置后，計算更新后粒子的適應(yīng)度函數(shù)值，若小于該粒子歷史最優(yōu)解的適應(yīng)度函數(shù)值，則該粒子的歷史最優(yōu)解替換為更新后粒子的位置，否則該粒子的歷史最優(yōu)解不變；

當(dāng)所有粒子完成該次迭代的位置更新后，選擇所有更新后粒子的適應(yīng)度函數(shù)值最小的粒子，將該粒子的適應(yīng)度值與全局最優(yōu)解的適應(yīng)度值進(jìn)行比較，若該粒子的適應(yīng)度值更小，則將全局最優(yōu)解替換為該粒子的位置；否則，全局最優(yōu)解保持不變；

⑥令i＝i+1并重復(fù)③-⑤步驟，直至完成iter次迭代；

⑦用完成迭代后的全局最優(yōu)解p_g替換當(dāng)前爆發(fā)操作所產(chǎn)生的新物種的值，即：Spe(s，d，k，j)＝p_g(iter，d)；

第八步：計算爆發(fā)后和爆發(fā)前該物種的適應(yīng)度函數(shù)值并進(jìn)行比較，若新物種的適應(yīng)度值更小，則將新物種標(biāo)記為主支物種，否則舊物種為主支物種；只有主支物種才能進(jìn)行大爆發(fā)操作；若發(fā)生主支轉(zhuǎn)移，則該物種的生代數(shù)G加1，且主支物種的衍生能力更新為該新物種的衍生能力，即：A(s，d，k)＝Ae(s，d，k，j)；

第九步：重復(fù)第五至第八步驟，直至完成M次爆發(fā)；

第十步：將M次爆發(fā)產(chǎn)生的所有新物種及爆發(fā)前已有物種的適應(yīng)度函數(shù)值進(jìn)行排序，選擇適應(yīng)度值較小的S個物種，作為下一次大爆發(fā)及大滅絕的元生代物種，并對幸存物種的衍生能力進(jìn)行按式(9)進(jìn)行收縮，其他物種全部淘汰；幸存物種衍生能力收縮公式為：

其中，α＜1，為收縮系數(shù)；

第十一步：重復(fù)第五至十步驟，直至完成Iter次迭代。

2.如權(quán)利要求1所述的物種生滅優(yōu)化方法，其特征在于，D＝30。