[發(fā)明專利]基于全局和局部代理輔助的粒子群算法的優(yōu)化方法及應(yīng)用

在審

• 申請?zhí)枺?/td>: 202110462862.6
• 申請日: 2021-04-22
• 公開（公告）號: CN113283159A
• 公開（公告）日: 2021-08-20
• 發(fā)明（設(shè)計）人: 胡曉敏;蘇文偉;李敏
• 申請（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F111/06;G06F119/02
• 代理公司: 廣東廣信君達(dá)律師事務(wù)所 44329
• 代理人: 張生梅

針對現(xiàn)有的優(yōu)化算法計算開銷大的問題，本發(fā)明提供一種基于全局和局部代理輔助的粒子群算法的優(yōu)化方法及應(yīng)用，包括：對整個種群進(jìn)行初始化，得到初始化種群；使用目標(biāo)函數(shù)對所述初始化種群中每個個體進(jìn)行真實評估，并將所述初始化種群和所述初始化種群中每個個體的適應(yīng)度值直接保存到數(shù)據(jù)庫DB中；使用全局搜索與局部搜索交替進(jìn)行的方式，不斷通過更新迭代從而把最優(yōu)個體保存下來；迭代結(jié)束后，將現(xiàn)存的最優(yōu)個體來作為最優(yōu)組合。本發(fā)明所述的方法能夠通過全局搜索與局部搜索相結(jié)合，有利于加快算法的收斂速度，將搜索與開發(fā)達(dá)到平衡。

技術(shù)領(lǐng)域

本發(fā)明涉及工程技術(shù)和進(jìn)化計算，特別涉及一種基于全局和局部代理輔助的粒子群優(yōu)化算法的優(yōu)化方法及應(yīng)用。

背景技術(shù)

隨著現(xiàn)代工業(yè)和科技的發(fā)展，電磁(electromagnetic,EM)設(shè)備在航天衛(wèi)星、交通運輸和醫(yī)療保健等領(lǐng)域中發(fā)揮著重要的作用，EM設(shè)備的設(shè)計直接影響到其設(shè)備的性能，因此，對EM設(shè)備進(jìn)行優(yōu)化設(shè)計具有很大的現(xiàn)實意義與必要性。此外，EM設(shè)備設(shè)計優(yōu)化問題一直以來都是計算電磁學(xué)的研究熱點，如何設(shè)計出一種有效的方法來優(yōu)化EM設(shè)備的效率是值得深思的問題。

目前EM設(shè)備的優(yōu)化方法有兩種：第一種是通過基于數(shù)值計算的EM模擬(例如有限元分析)來設(shè)計出高性能的EM；第二種是通過進(jìn)化算法對EM進(jìn)行優(yōu)化設(shè)計，由于進(jìn)化算法能適應(yīng)不同環(huán)境下的問題以及在大多數(shù)情況下都能得到令人滿意的有效解，其已廣泛應(yīng)用于EM設(shè)備的優(yōu)化設(shè)計中。然而，為了獲得EM設(shè)備的最佳性能估計，這些優(yōu)化方法均需要花費大量的模擬仿真，對于設(shè)計復(fù)雜的EM設(shè)備，應(yīng)用是不可能的，因此，在合理的優(yōu)化時間來優(yōu)化出EM設(shè)備的最佳設(shè)計是一大挑戰(zhàn)。

由于EM設(shè)備的設(shè)計直接影響到其性能，EM設(shè)備的優(yōu)化設(shè)計顯得十分重要。在現(xiàn)實生活中，隨著EM設(shè)備的設(shè)計規(guī)范與性能要求日益嚴(yán)格，EM設(shè)備的設(shè)計優(yōu)化也需要大量的仿真模擬才能獲得最佳設(shè)計，例如一個典型的計算電磁模擬可能需要30分鐘，這意味著該優(yōu)化需要花費大量的計算開銷。

一種能夠加快算法收斂速度，將搜索與開發(fā)達(dá)到平衡的優(yōu)化算法亟待開發(fā)。

發(fā)明內(nèi)容

針對現(xiàn)有的優(yōu)化算法計算開銷大的問題，本發(fā)明提供一種基于全局和局部代理輔助的粒子群算法的優(yōu)化方法及應(yīng)用，能夠有效解決上述問題。

為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)手段是：

一種基于全局和局部代理輔助的粒子群算法的優(yōu)化方法，包括：

對整個種群進(jìn)行初始化，得到初始化種群；

使用目標(biāo)函數(shù)對所述初始化種群中每個個體進(jìn)行真實評估，并將所述初始化種群和所述初始化種群中每個個體的適應(yīng)度值直接保存到數(shù)據(jù)庫DB中；

使用全局搜索與局部搜索交替進(jìn)行的方式，不斷通過更新迭代從而把最優(yōu)個體保存下來；

迭代結(jié)束后，將現(xiàn)存的最優(yōu)個體來作為最優(yōu)組合。

所述“對整個種群進(jìn)行初始化”，包括：

根據(jù)設(shè)計空間的范圍使用Latin hypercube采樣方法對整個種群進(jìn)行初始化的步驟。

所述“全局搜索”方式，包括：

通過集成模型對所述新種群中的新樣本進(jìn)行預(yù)測，獲得每個所述新樣本的預(yù)測值；

選擇預(yù)測值最小的個體進(jìn)行真實適應(yīng)度評估，并將所述預(yù)測值最小的個體以及所述預(yù)測值最小的個體對應(yīng)的適應(yīng)度值保存到所述數(shù)據(jù)庫DB中；

判斷所述預(yù)測值最小的個體是否比目前的最佳個體更優(yōu)：

若，更優(yōu)，則替換掉所述目前的最佳個體，直到達(dá)到停止條件；

否則切換到所述局部搜索。

所述“集成模型”，包括：