[發(fā)明專利]一種多種群自適應(yīng)協(xié)作優(yōu)化方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110324279.9
• 申請(qǐng)日: 2021-03-26
• 公開（公告）號(hào): CN113011097A
• 公開（公告）日: 2021-06-22
• 發(fā)明（設(shè)計(jì)）人: 郭成;覃日升;李文云;和鵬
• 申請(qǐng)（專利權(quán)）人: 云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06N3/00;G06F111/02;G06F111/06
• 代理公司: 北京弘權(quán)知識(shí)產(chǎn)權(quán)代理有限公司 11363
• 代理人: 逯長明;許偉群

本發(fā)明涉及一種多種群自適應(yīng)協(xié)作優(yōu)化方法，包括建立協(xié)作網(wǎng)絡(luò)模型；采用所述協(xié)作網(wǎng)絡(luò)模型初始化三種拓?fù)浣Y(jié)構(gòu)的多群落粒子；計(jì)算每個(gè)粒子的位置和速度；將馮諾依曼拓?fù)渲械娜肿顑?yōu)值廣播至環(huán)形拓?fù)浜腿B接形拓?fù)洌敵鲎顑?yōu)值；環(huán)形拓?fù)浜腿B接形拓?fù)浞謩e將自身全局最優(yōu)值與收到的馮諾依曼拓?fù)渲械娜肿顑?yōu)值進(jìn)行比較，根據(jù)比較結(jié)果調(diào)整進(jìn)化規(guī)則，輸出最優(yōu)值。本申請(qǐng)通過將所述環(huán)形種群、所述全連接形種群和所述馮諾依曼種群的粒子群算法進(jìn)行并行搜索，避免了算法的優(yōu)化性能大大降低，極易陷入局部最優(yōu)的結(jié)果，能夠綜合考慮高維復(fù)雜優(yōu)化問題的特性，動(dòng)態(tài)調(diào)整進(jìn)化策略，提高對(duì)于高維復(fù)雜優(yōu)化問題的求解能力。

技術(shù)領(lǐng)域

本發(fā)明涉及自適應(yīng)算法領(lǐng)域，具體涉及一種多種群自適應(yīng)協(xié)作優(yōu)化方法。

背景技術(shù)

進(jìn)化算法是解決高維復(fù)雜優(yōu)化問題的有力工具，然而隨著近些年數(shù)學(xué)和工程問題的復(fù)雜程度增加，決策變量的增加導(dǎo)致優(yōu)化問題的目標(biāo)函數(shù)維度急劇增加。在求解高維復(fù)雜優(yōu)化問題時(shí)常常會(huì)遭遇維數(shù)災(zāi)難的情況，隨著優(yōu)化問題維數(shù)的增大，因此進(jìn)化算法的優(yōu)化性能顯著下降。近年來，粒子群算法作為一種重要的智能集群優(yōu)化算法，由于粒子群優(yōu)化算法操作簡單、收斂速度快，因此在函數(shù)優(yōu)化、圖像處理、大地測(cè)量等眾多領(lǐng)域都得到了廣泛的應(yīng)用。

高維復(fù)雜優(yōu)化問題通常具有決策變量多、優(yōu)化問題維度高、非線性和不可微的特點(diǎn)，因此要解決高維復(fù)雜優(yōu)化問題具有很大的挑戰(zhàn)性和復(fù)雜性。隨著優(yōu)化問題維度的增大，決策變量也隨之增加，算法的搜索空間呈指數(shù)型擴(kuò)展。因此，導(dǎo)致算法的優(yōu)化性能大大降低，極易陷入局部最優(yōu)。

針對(duì)高維復(fù)雜優(yōu)化問題在求解時(shí)容易產(chǎn)生維數(shù)災(zāi)難導(dǎo)致算法極易陷入局部最優(yōu)的問題，本發(fā)明提供一種多種群自適應(yīng)協(xié)作優(yōu)化算法，該算法能夠綜合考慮高維復(fù)雜優(yōu)化問題的特性，動(dòng)態(tài)調(diào)整進(jìn)化策略，提高對(duì)于高維復(fù)雜優(yōu)化問題的求解能力。

發(fā)明內(nèi)容

針對(duì)高維復(fù)雜優(yōu)化問題在求解時(shí)容易產(chǎn)生維數(shù)災(zāi)難導(dǎo)致算法極易陷入局部最優(yōu)的問題，本發(fā)明實(shí)施例中提供了一種多種群自適應(yīng)協(xié)作優(yōu)化算法，該算法能夠綜合考慮高維復(fù)雜優(yōu)化問題的特性，動(dòng)態(tài)調(diào)整進(jìn)化策略，提高對(duì)于高維復(fù)雜優(yōu)化問題的求解能力。

本申請(qǐng)?zhí)峁┝艘环N多種群自適應(yīng)協(xié)作優(yōu)化方法，包括：

建立融合環(huán)形拓?fù)浣Y(jié)構(gòu)、全連接形拓?fù)浣Y(jié)構(gòu)和馮諾依曼拓?fù)浣Y(jié)構(gòu)的粒子群算法的協(xié)作網(wǎng)絡(luò)模型；

采用所述協(xié)作網(wǎng)絡(luò)模型初始化三種拓?fù)浣Y(jié)構(gòu)的多群落粒子；

計(jì)算每個(gè)粒子的位置和速度；

將馮諾依曼拓?fù)渲械娜肿顑?yōu)值廣播至環(huán)形拓?fù)浜腿B接形拓?fù)洌敵鲎顑?yōu)值；所述輸出最優(yōu)值，具體為：在馮諾依曼拓?fù)浣Y(jié)構(gòu)中,粒子每進(jìn)化一次將當(dāng)前迭代次數(shù)的全局最優(yōu)值以廣播的形式發(fā)送給環(huán)形拓?fù)浜腿B接形拓?fù)洌?/p>

環(huán)形拓?fù)浜腿B接形拓?fù)浞謩e將自身全局最優(yōu)值與收到的馮諾依曼拓?fù)渲械娜肿顑?yōu)值進(jìn)行比較；

若馮諾依曼拓?fù)涞娜肿顑?yōu)值優(yōu)于自身全局最優(yōu)值，則調(diào)整自身全局最優(yōu)值對(duì)應(yīng)的拓?fù)浣Y(jié)構(gòu)的進(jìn)化規(guī)則；反之將信息反饋給馮諾依曼拓?fù)洌{(diào)整馮諾依曼拓?fù)涞倪M(jìn)化規(guī)則；調(diào)整進(jìn)化規(guī)則包括重新計(jì)算每個(gè)粒子的位置和速度；

若馮諾依曼拓?fù)涞娜肿顑?yōu)值與自身全局最優(yōu)值相等，則執(zhí)行輸出流程，輸出最優(yōu)值。

在一些實(shí)施例中，所述計(jì)算每個(gè)粒子的位置和速度采用公式：

式中，ω為慣性權(quán)重；c₁和c₂為加速常數(shù)；rand₁()和rand₂()為兩個(gè)在[0，1]范圍內(nèi)變化的隨機(jī)數(shù)；t表示迭代次數(shù)。

在一些實(shí)施例中，所述協(xié)作網(wǎng)絡(luò)模型的建立方法包括：

分析高維復(fù)雜問題求解過程中的粒子特點(diǎn)及標(biāo)準(zhǔn)粒子群算法；