[發明專利]一種離散二進制粒子群電機多目標優化方法

在審

• 申請號: 202110493491.8
• 申請日: 2021-05-07
• 公開（公告）號: CN113205171A
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 林龍華;吳紅星;蘭維勝
• 申請（專利權）人: 柳州華世通汽車部件股份有限公司
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N3/12
• 代理公司: 深圳貝谷知識產權代理事務所(普通合伙) 44635
• 代理人: 韋乃榮

本發明公開了一種離散二進制粒子群電機多目標優化方法，包括以下步驟：S110、參數初始化；S120、初始種群位置的選取及初代非劣解的計算；S130、粒子及種群的交叉和變異；S140、粒子個體最優解和群體最優解的選??；S150、非劣解集更新。有益效果在于：基于交叉變異的離散二進制粒子群算法通過將基因遺傳思想與粒子群優化算法相結合，采用交叉變異操作代替傳統粒子群算法中的粒子更新環節，使得算法具備較高的收斂速度和均衡的全局、局部搜索能力；通過一種多變量環形編碼的粒子交叉方法，降低迭代過程中的交叉操作復雜度，提高優化效率；提高了目標期望范圍內的非劣解個數和迭代精度，減少了資源和時間的損耗。

技術領域

本發明涉及電機控制技術領域，具體涉及一種離散二進制粒子群電機多目標優化方法。

背景技術

優化算法和優化理論是科學技術及工程應用領域中的一種重要數學方法，是研究、尋找最優方案的主要技術手段。通過優化理論不僅可以有效解決函數的極值、最值問題，還可以實現控制系統的優化以及實際工程問題中最優方案的選取。一般而言，優化問題可以分為最優設計、最優計劃、最優管理和最優控制四大類。

電機的多目標優化設計是一個多輸入多輸出、非線性程度高、耦合性強、建模難度大的多參量并行優化問題，由于傳統的單一變量優化方法優化周期較長且忽略設計參數間的耦合效應，難以實現電機的最優化設計。為實現電機的高效精確快速尋優設計，需采用高精度數學建模方法、高效率多目標智能優化算法以及合適的試驗設計方法和多參量多目標優化策略?；旌狭Ｗ尤悍律悄軆灮惴染邆鋫鹘y粒子群算法易于實現、設計參數少、通用性強等優勢，又具有較高的全局收斂速度和局部尋優能力，在電機多目標優化設計問題的處理過程中具備明顯優勢；可實現電機的高效多目標多參量快速尋優策略。

雖然粒子群優化算法具有易于實現、設計參數少、通用性強以及收斂速度快等優勢，但其易陷入局部最優，導致“早熟”現象，不利于實現多目標全局優化。因此，申請人提出一種保證快速局部尋優能力且彌補全局尋有能力不足的優化方法。

發明內容

本發明的目的就在于為了解決上述問題而提供一種離散二進制粒子群電機多目標優化方法，本發明提供的諸多技術方案中優選的技術方案具有：通過遺傳算法與粒子群算法的結合，配合設計因子二進制編碼和交叉變異手段實現多目標混合粒子群算法煎餅全局和子區的高效搜索能力，從而在保證快速局部尋優能力的同時，兼顧全局尋優能力等技術效果，詳見下文闡述。

為實現上述目的，本發明提供了以下技術方案：

本發明提供的一種離散二進制粒子群電機多目標優化方法，包括以下步驟：

S110、參數初始化；

S120、初始種群位置的選取及初代非劣解的計算；

S130、粒子及種群的交叉和變異；

S140、粒子個體最優解和群體最優解的選?。?/p>

S150、非劣解集更新。

作為優選，所述步驟S110中，初始化的參數包括初始種群規模、最大迭代次數、離散變量內存和尋優空間范圍。

作為優選，所述初始種群規模為S_ini＝200；最大迭代次數為N_ite＝300；離散變量內存為四位離散二進制變量；尋優空間范圍與混合響應面函數的建模區域一致。

作為優選，所述步驟S120中，采用隨機抽樣法在巡游空間內初始化粒子種群的位置，而后通過編碼轉換計算各粒子的初始目標適應度值，并基于“非劣”策略在粒子種群內選取初代非劣解。