[發明專利]基于智能群島并行粒子群方法

有效

• 申請號: 202110506886.7
• 申請日: 2021-05-10
• 公開（公告）號: CN113238484B
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 郭俊鑫;周宇陽;方云飛;李鎮;盧喬;劉佳;葉澤民;葉凌
• 申請（專利權）人: 國家能源集團新疆吉林臺水電開發有限公司;上海樸宜實業有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04;G06N3/00
• 代理公司: 上海云滬專利代理事務所(普通合伙) 31418
• 代理人: 肖慧

1.基于智能群島并行粒子群方法，其特征在于，包括以下步驟：

S1、建立基于并行處理單元軟件的雙重群島架構；

S2、引入飛行地圖、離線手段、導航粒子、約束前置和衍生內容，實現智能的飛行方向調整；

S3、通過島間競爭帶來的各個種群自然生長，從而創立了自動控制環境下并行粒子群的硬件與軟件整體環境；

S4、通過虛擬分散處理單元的并行化改造，進而搭建虛擬并行處理單元，形成雙重粗粒度并行結構，即所謂雙重群島并行計算架構；

S5、完成S1-S4，統稱為基于智能群島的并行粒子群算法；

所述雙重群島架構包括并行處理單元PPU和分散處理單元DPU，所述并行處理單元PPU是執行并行計算任務的DPU或分散處理單元DPU的并行拓展，所述飛行地圖是指針對所求解的數學命題以離線的手段進行基于智能群島的并行粒子群計算分析，得出地圖網格上的數學最優解的集合；所述離線手段是指進行離線的計算；所述導航粒子是指從飛行地圖出發所建立的用于飛行導航的粒子，導航粒子隸屬于各自的種群，為種群的飛行提供方向的指引作用；

所述衍生內容包括在建立飛行方向時拓展衍生項、逃離項和導航項，所述飛行方向是指粒子群中每一個飛行粒子在決定下一步的飛行目標時，由引向最優坐標的各個因素綜合計算的飛行向量，飛行粒子從當前坐標出發疊加該飛行向量即得到下一個飛行目標；所述衍生項是指粒子群內所有確定了飛行方向后整個粒子群的多樣性指標低于預設數值時，為了保證種群多樣性，避免陷入局地最小值采取的一個分項；所述逃離項是指粒子群內單個粒子確定了飛行方向后，更新的粒子坐標剛好位于約束條件所限制的解域空間內；所述導航項是指粒子從當前坐標趨向于導航粒子坐標的飛行向量分項；

所述約束前置是指當發現更新的粒子坐標剛好位于約束條件所限制的不可到達解域空間內時引入逃離項，使得更新的粒子坐標遠離約束空間，所述島間競爭是指每個種群的每次進化過程結束后立即得出本種群的綜合適應度指標；

A2、建立智能的飛行方向，飛行方向融合慣性項開發項探索項導航項衍生項逃離項飛行向量分項，其計算公式為：

所述A2中的式中字母V、X、t、b、k、c、r分別代表速度、坐標、時刻、在線判斷系數、多樣性系數、權重系數、隨機數，下標p表示粒子，范圍1～P，P為島內粒子個數，受種群動態進化的影響每座島不同的進化時期數值不同；上標i表示群島，范圍1～I，I為全部群島個數；上標s表示粒子群，范圍1～S，S為全部粒子群個數，公式子項(1)(2)(3)分別表示慣性項、開發項和探索項，為傳統粒子群算法的基礎內容，其中為t時刻為止粒子歷史最佳適應度對應的坐標，為t時刻粒子群內最佳粒子坐標，為粒子當前坐標，公式子項(4)為導航項，當本發明在線使用時b＝1，離線使用時b＝0，為導航粒子坐標，導航粒子在本次進化任務確定時被指定，在整個進化過程中保持不變；k為導航粒子導航信號強弱標志，其范圍為0～1，在進化初期為1，導航作用最強，而后逐步變化到0，導航作用消失，導航信號的變化取決于群內多樣性指標當其小于M_E時令k＝0，多樣性指標計算公式為：分子為當前時刻的粒子群多樣性系數，分母為接收到進化目標時初始態的粒子群多樣性系數，其中d為粒子維度，范圍是1～D，D為最大維度，L為該粒子維度下的極值，公式子項(5)為衍生項，為衍生粒子，加入衍生粒子后的群內多樣性指標數值增加，有

A3、引入島間競爭形成動態種群，預先設定每個種群初始的種群規模一致，包括導航粒子與若干飛行粒子，飛行粒子分為休眠與喚醒兩種狀態，種群中所有飛行粒子的喚醒率也設定為一致，當飛行粒子處于休眠狀態時該粒子不參與當前階段的進化過程，當飛行粒子處于喚醒狀態時該粒子參與當前階段的進化過程，當種群接受其他種群優秀粒子的遷入時，相同數量的休眠狀態飛行粒子被喚醒，加入到飛行粒子的群體，種群規模自然生長，設置粒子饑餓度指標E，用于設定粒子進行休眠狀態的忍耐次數，如果平庸粒子連續E代適應度下降，則粒子將被強制催眠，進入休眠狀態，種群規模自然萎縮，種群中粒子的數量設定了上限與下限，當種群自然生長超過上限時，即所有的休眠粒子均被喚醒時，不再增加粒子群規模，當種群萎縮到下限時，不再進行粒子的強制催眠；

所述A3中的每一個粒子群內部存在天然的競爭，在每次進化完成后每個粒子都計算出自己的適應度指標根據高低的順序對適應度指標進行排序，排序靠前的稱為優秀粒子，排序靠后的稱為平庸粒子，優秀粒子不僅提高了本種群的適應度，還更容易被遷徙到其他種群，幫助其他種群的成長；相反地，平庸粒子不僅降低了本種群的適應度，而且可能會被強制催眠，失去飛行能力，在每一個粒子群受命進行進化計算的初始階段，優秀粒子和平庸粒子之間的差別較為明顯，每個粒子群的每次進化過程結束后立即得出本種群的綜合適應度指標，用來標識該種群在整個島群中的競爭力，所述綜合適應度可以采用統計學方法獲得，其中平均適應度因其計算簡單而成為計算的選擇，其公式為其中P^i,s為群島i中第s個粒子群中粒子的個數，為其中一個粒子的適應度，由一次進化完成后計算獲得，所有種群的進化過程中均不斷刷新平均適應度并且告知所有種群，故而整個群島的平均適應度隨之得出，其公式為每個粒子群的相對適應度指標可以計算，其公式為所述相對適應度指標，各島在進化計算受命開始的初期相差不大，隨著動態種群的不斷演進，種群之間的差距越來越大，相對適應度指標的差距也越來越大，設定一個關注指標β_E，當β^i,s＜β_E的時候該種群不再被納入觀察名單，甚至被終止計算，在所有的群島之間進行相對適應度指標的排序，從高到底依次排列后的順序為N,N＝1,2,...,I·S，這個順序代表了粒子群種群之間的優劣，比較后排名靠前的稱為優秀種群，排名靠后的稱為平庸種群，優秀種群的競爭力較強，具有強大的吸引力，使得更多的優秀粒子遷徙而來，從而不斷地增強種群實力；相反，平庸種群的吸引力較弱，不容易得到更多優秀粒子的加入，從而越發平庸乃至退出競爭，進行島間粒子遷徙，遷徙是針對優秀粒子而進行的，所述遷徙是指這些優秀粒子在其他種群內得到復制，使得其他種群獲得了優秀粒子，決定遷徙的數量或者遷徙率大小的原則是平均適應度越大的種群獲得越多的其他種群優秀粒子的遷入，平均適應度越小的種群則越難以獲得其他種群的優秀粒子，設定遷徙個數為X＝I·S-N，當種群相對適應度指標排序N越靠前，其數值越小，其獲得的遷入個數就越多；

A1、建立雙重群島的并行粒子群計算結構，鑒于分散處理單元在自動控制領域廣泛使用，沿襲傳統的分散處理單元為DPU以及分散處理單元軟件為VDPU的定義，定義實現并行計算部署的分散處理單元為PPU，定義具有并行計算功能的分散處理單元軟件為VPPU，所述VPPU是指完成分散處理單元基本功能之外還能完成并行計算功能的軟件，并行處理單元PPU是執行并行計算任務的DPU，并行處理單元PPU是分散處理單元DPU的并行拓展，PPU的并行不是指同時運行的多個獨立的DPU，也不是指同步運行的多重冗余DPU，而是指進行了并行計算部署的多個PPU；

所述A1中的PPU既指包含了VPPU的并行處理單元設備，也指包含了VPPU的具有閑置計算能力的自動控制網絡內其他設備，所述自動控制網絡內其他設備包括工程師站、操作員站、歷時站、接口站，這些站點的CPU處于“應征”的工作狀態，當站點未被使用或者使用過程存在較大的時間間隙時，即出現了大量的計算能力閑置時，利用這些閑置算力開設VPPU，既充分利用現有資源，也在網絡安全性方面得到既有的保護，一些計算任務較輕的DPU也可以提供閑置算力用于提供額外的VPPU運行空間，這就形成了一個PPU上運行多個VPPU的情形，在并行粒子群計算的視角里即形成了一個島嶼上運行多個并行粒子群的情形，這既是計算資源的充分利用，也是利用多核CPU實時并行計算的有力手段，所述一個PPU上運行了多個VPPU，而PPU本身在自動控制系統中可以進行分布式布置，所有分布式布置的PPU之間共享一個冗余的數據網絡，形成實時數據總線，實時數據總線上每一個PPU設備都有全局實時數據集的一個拷貝并且同時維護公有數據在數據總線上的流通，使得每個PPU上的數據得到同步，每個VPPU運行一個粒子群，則一個PPU就形成一個群島，PPU內有多少個并行的VPPU，這個群島就由多少島嶼組成；進而實時數據總線上并行的PPU形成一個雙重群島，實時數據總線上開設了多少個PPU，就有多少個并行的群島組成一個更大范圍的群島，由于不論是運行在同一個PPU中的VPPU還是不同PPU中的VPPU，均位于同一個實時數據總線之上，維護擁有同一個數據結構的全局實時數據集，所述實時數據總線上的流通是指PPU實時數據總線上建立的網間傳遞，所述網間是指PPU的全局實時數據集之間的信息交互，由于全網通報具有實時刷新數據集的效果，如果不同的PPU對同一個點均進行通報，會引發信息多重閃現，因此需要PPU對數據集的點進行嚴格管理，實時數據總線上的流通是并行的，每個PPU在自己的計算循環的進行過程中或者一個計算循環完成后，均獨立地向外廣播公有數據，同時刷新本地全局實時數據集，亦即其他群島需要的本島重要信息如本島最佳粒子、本島平均適應度、種群多樣性指標被廣播到數據總線上為其他群島接收，而本島基礎信息如粒子坐標、適應度均在本地刷新，雙重群島的任意一級均不專門設置決策中心，故而每個島嶼都是平級的、相互獨立的，除了粒子遷徙之外不產生決策信息交流；相對應地，在每個島內設置一個決策中心，負責群內的信息統計、群內的進化迭代、公有信息發送與接收，所述公有信息包括優化目標的更新、群島所需要的本島重要信息、本島所需要的群島重要信息。