一种基于随机漂移粒子群优化算法的动态环境优化方法技术

本发明专利技术公开了一种基于随机漂移粒子群优化算法的动态环境优化方法，属于动态环境多目标优化技术领域。本发明专利技术通过以下算法过程：(1)用分层聚类将初始化粒子群分成若干子群；(2)更新所有子群粒子的速度和位置；(3)计算粒子的适应值，评估并选取最优粒子；(4)对子群进行重叠检测、拥挤检测和收敛性检测；(5)对整个粒子群进行环境变化检测；(6)判断是否满足迭代终止条件，解决了动态环境优化控制变量可能陷入局部最优解，并求解最优值的速度慢的问题，并具有较强的鲁棒性和适应性。

【技术实现步骤摘要】

本专利技术涉及，属于动态环 境多目标优化

技术介绍
动态环境优化（DynamicOptimizationProblems,DOPs)，就是研宄当目标函数、 环境参数以及约束条件变化的情况下，追踪和定位最优解的变化足迹。粒子群优化算法 PSO(ParticleSwarmOptimization)是一种模拟群体行为的进化算法，具有操作简单，参 数设定较少等特点，已经被应用于动态环境优化中，目前的粒子群优化算法在经过一定的 迭代之后，由于粒子的飞行速度慢慢减小会使得种群收敛于某个满意解，一旦环境发生变 化，失去多样性的种群很难对这样的变化迅速做出反应。因此，有学者提出了多种策略来改 善PS0算法求解这类问题的能力。Kennedy提出了一种K-means聚类的方法，从而确定各 个种群的cluster中心，然后将中心点看作是每个子种群中最好解，这种聚类方法的局限 性在于聚类种群数必须提前设定。Branke等提出了一种自组织侦察算法，自组织侦察是指 父群进行全局搜索，而从父群中分离的子群负责局部搜索。Brits等提出一种局部邻域粒 子群算法nbestPSO,算法中的每个粒子的相邻粒子是与其Euclidean距离小的粒子，粒子 的gbest是相邻粒子的中心点。王洪峰等提出了一种采用分叉策略的多粒子群PS0算法， 该算法能够利用主粒子群搜索峰，而利用子粒子群跟踪已发现的峰的变化，主要集中于怎 样将种群中的个体有效地分布在整个解空间来追踪最优解的变化，而对于如何快速精确地 获得这些解的关注并不多。 随机漂移粒子群是一种模拟电场中电子定向移动的搜索优化方法，在有限温度下 外部电场可以驱使电子定向移动使得电子被吸引至局部势能最低处，这种随机热运动的行 为与随机搜索策略中的局部搜索优化算法相似，热运行和漂移运动来保证算法更迅速的获 得高质量的解。目前，关于随机漂移粒子群优化算法的文献不多，大多用于解决静态环境 优化问题，如2014年方伟等将随机漂移粒子群优化算法应用于函数优化问题中，实验表明 RDPS0具有较强的局部搜索能力和全部搜索能力，其控制参数设置对优化结果具有显著的 影响。然而，这只是求解静态环境优化问题中一个最优值问题，但是对于动态环境中的多峰 优化问题（Multi-peaksfunctionOptimizationProblems,MOPs)的求解方法却是极少 的。 本专利技术将一种快速收敛算法--随机漂移粒子群优化算法（RandomDrift ParticleSwarmOptimization,RDPS0)应用于DOPs中，采用分层聚类策略不断搜索问题适 应曲线上新的峰来增强算法定位和跟踪最优解能力，利用收敛策略、拥挤策略和重叠策略 来保持粒子的多样性。此外，本专利技术还对RDPS0算法中的控制参数进行了研宄并给出了最 佳参数值。实验结果表明所提出的RDPS0算法结合分层聚类方法在DOPs中具有较强的鲁 棒性和适应性。
技术实现思路
本专利技术针对上述现有技术的缺点与不足，提出了一种基于随机漂移粒子群优化算 法求解动态环境优化问题的方法。 所述方法包括：先初始化粒子群，然后算法进入如下迭代过程：（1)用分层聚类将 初始化粒子群分成若干子群，并根据子群与子群间的距离合并成较大的子群；（2)更新所 有子群粒子的速度和位置；（3)对子群进行重叠检测、拥挤检测和收敛性检测；(4)对粒子 群进行环境变化检测，若环境发生变化，则产生新的初始粒子群。 所述子群与子群间的距离，在本专利技术的一种实施方式中，距离公式如下：【主权项】1. 一种基于随机漂移粒子群优化算法求解动态环境优化问题的方法，其特征在于，所 述方法包括：先初始化粒子群，然后算法进入如下迭代过程：（1)用分层聚类将初始化粒子 群分成若干子群，并根据子群与子群间的距离合并成较大的子群；（2)更新所有子群粒子 的速度和位置；（3)对子群进行重叠检测、拥挤检测和收敛性检测；(4)对粒子群进行环境 变化检测，若环境发生变化，则产生新的初始粒子群。2. 根据权利要求1所述的方法，其特征在于，所述方法具体包括： (1) 用分层聚类将初始化粒子群分成若干子群：初始化粒子群，然后通过分层聚类策 略将粒子群分成若干子群，即初始时，粒子群中的每一个粒子都是一个聚类子群，随着子群 的逐步搜索，这些聚类子群的中心会慢慢的靠拢，然后根据子群与子群之间的距离将这些 子群合并为较大的子群； (2) 更新所有子群粒子的速度和位置：由分层聚类策略产生的子群根据速度更新公式 和位置更新公式更新当前粒子的速度和位置； (3) 计算粒子的适应值，评估并选取最优粒子：根据更新后的粒子速度和位置计算粒 子的适应值，并由适应值的大小评估并选取最优粒子； (4) 对子群进行重叠检测、拥挤检测和收敛性检测：重叠检测就是计算两个子群的重 叠半径，若大于默认值0. 7则合并两个子群；拥挤检测就是若子群粒子数大于最大子群粒 子数则删除子群中粒子适应值最差的粒子；收敛性检测就是若子群的搜索半径小于阈值半 径，则移除子群； (5) 对整个粒子群进行环境变化检测：重新评估所有子群中的最好粒子，若最好粒子 的位置改变了，则认为环境发生变化，一旦环境发生变化，则产生新的初始粒子群，返回（1) 继续进行计算；否则，执行步骤（6); (6) 判断是否满足迭代终止条件。3. 根据权利要求1所述的方法，其特征在于，所述步骤（1)中子群与子群间的距离的计 算公式为中，d(i，j)为子群r中粒子i与子群s中粒子j之间 的距离，i为子群r中的任意一个粒子，j为子群s中的任意一个粒子，D为维数，xf为粒子i的位置，< 为粒子j的位置。4. 根据权利要求1所述的方法，其特征在于，所述步骤（2)是指根据速度更新公式和位 置更新公式进行更新；所述速度更新公式为G+1 +户_(/4 -%)，其中， 为第t+1次迭代粒子i的速度，t为迭代次数，i为第i个粒子，j为第j维空间，a为压缩 膨胀系数，0为漂移系数，<为正态随机分布函数，4为第t次迭代的第i个粒子的最好 位置，为第t次迭代，第i个粒子的当前位移，为平均最好位置，即A/丨，其 中，N是种群大小；所述位置更新公式为x丨+1 =< +G+1，其中，_4+1为第t+1次迭代粒子i的 位置，t为迭代次数，i为第i个粒子，j为第j维空间，X》为第t次迭代粒子i的位置，巧+1 为第t+1次迭代粒子i的速度。5. 根据权利要求4所述的方法，其特征在于，所述压缩膨胀系数a和漂移系数0为静 态参数，为以下任意一种组合：a=0.7、|3 = 1. 7或者是a= 1. 3、|3 = 2. 2或者是a = 1.30 = 2. 5〇6. 根据权利要求4所述的方法，其特征在于，所述压缩膨胀系数a和漂移系数0为随 机函数，为以下任意一种组合：aG(〇, 1)且|3G(〇, 1)，或者是aG(〇, 1) |3G(〇, 2)。7. 根据权利要求1所述的方法，其特征在于，所述步骤（2)还包括根据更新后的粒子 速度和位置计算粒子的适应值，并由适应值的大小评估并选取最优粒子，所述计算粒子的 适应值的公式如下'其中，x为解向量，t为迭代系 数;氏⑴和I⑴为第t次环境中峰i的高度本文档来自技高网...

【技术保护点】
一种基于随机漂移粒子群优化算法求解动态环境优化问题的方法，其特征在于，所述方法包括：先初始化粒子群，然后算法进入如下迭代过程：(1)用分层聚类将初始化粒子群分成若干子群，并根据子群与子群间的距离合并成较大的子群；(2)更新所有子群粒子的速度和位置；(3)对子群进行重叠检测、拥挤检测和收敛性检测；(4)对粒子群进行环境变化检测，若环境发生变化，则产生新的初始粒子群。

【技术特征摘要】

【专利技术属性】
技术研发人员：方伟，王梦梅，姜淑琴，孙俊，吴小俊，李朝锋，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏;32