[發明專利]隨機慣性權重粒子群優化方法

在審

• 申請號: 202011216676.6
• 申請日: 2020-11-04
• 公開（公告）號: CN112633455A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 張淵博;鄒德旋;張春韻
• 申請（專利權）人: 江蘇師范大學
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 馬進

1.隨機慣性權重粒子群優化方法，其特征在于，包括以下步驟：

步驟1、設每個粒子代表超空間中的一個設計點，其當前位置用表示，其中i為單個粒子，t為迭代次數；每個粒子跟蹤其當前位置和到目前為止最優解用p_id表示；算法跟蹤的另一個值是跟蹤全局最優解p_gd；粒子速度為每次迭代時粒子位置的變化；提出標準粒子群算法中粒子的速度和位置的更新公式：

x^(i,k+1)＝x^(i,k)+v^(i,k+1)；i＝1to N (2)

其中，認知參數c₁和社會參數c₂統稱為加速系數；r₁和r₂是第t次迭代生成的包含隨機數的向量(0≤rand≤1)，N表示種群的大小；w為權重，粒子速度更新方程中存在三個矢量分量；即動量向量，認知或個人成分和社會或全局成分；

步驟2、考慮標準粒子群優化算法存在易陷入局部最優的缺陷，簡化粒子群優化方程，并引入影響算子；

其中影響因子e₁,e₂表示為：

步驟3、引入隨機慣性權重w：

步驟4、引入以中心位為基礎的擾動策略：

基于差分進化的變異操作進行改進，改進的公式如下：

上式等式右邊的第一項用中心位與變量r_1模擬個體其中的一維信息，采用改進公式來更新粒子每一維位置；其中為采用差分算法更新的新位置，F為縮放因子，為采用公式(4)更新后的粒子位置；F計算公式如下：

F＝r_2/x_cd (7)

為了跳出局部最優值，本發明設計一種中心位，來跳出循環，中心位為：

r_1和r_2的計算公式如下：

步驟5：制定隨機慣性權重粒子群優化算法流程。

2.根據權利要求1所述的方法，其特征在于，所述步驟3具體包括：

w的調節公式為：

式中r為[0,1)之間的隨機數；t為當前迭代次數；T為最大迭代次數；i為第i個粒子。改進的權重是隨迭代次數非線性下降的。

3.根據權利要求2所述的方法，其特征在于，所述步驟5具體包括：

步驟5.1：設置最大迭代次數、種群數量、影響因子，初始化種群位置，慣性權重。

步驟5.2：根據適應度函數計算出每個粒子的適應度；

步驟5.3：通過比較找出個體極值P_best與全局極值G_best；

步驟5.4：根據式(4),(5),(6),分別計算出影響因子e₁,e₂和慣性權重w；

步驟5.5：根據式(3)更新粒子位置；

步驟5.6：根據式(8)更新出新的粒子位置；

步驟5.7：通過適應度函數計算兩種粒子的適應度值，更新最小的個體極值和全局極值；

步驟5.8：判斷是否滿足終止條件，若滿足執行5.9，否則轉到5.4。

步驟5.9：輸出全局極值G_best。