The invention discloses an improved particle swarm optimization algorithm based on bio inspired by the individual, the optimal initial greedy randomized adaptive algorithm based on heuristic information by particle swarm algorithm, collaboration is introduced into the model, by drawing on the regulation mechanism of neuroendocrine hormone, introducing adjustment factor, according to the single particle around the particles flight information, equation of particle is improved to enhance the ability of local search algorithm. The invention can overcome the effect of random initial population of traditional particle swarm algorithm in the search process, slow convergence, local optimization problems and poor ability, and through the collaborative optimization of quality and obtain the better dispersion of pareto.
【技术实现步骤摘要】
本专利技术涉及一种基于生物启发的改进型粒子群优化算法,属于计算机应用
技术介绍
流水车间调度是一个无等待的车间调度问题。在生产实践的环节中,每一个工作序列包含若干个工作,每一个工作包含若干个工序。每个工作在不同的机器上完成,在同一台机器上,不同的工作的完成顺序相同,在同一台机器上一个工序完成后无等待的进行下一个工序。流水车间调度中所有工作的最长完工时间的最小化,可以促使总生产运营的最小化、稳定的资源利用、快速的作业周转和在制品库存的最小化。流水车间调度问题是制造系统中重要的规划问题,是一类典型的NP-Hard组合优化难题。当前比较常用的流水车间调度问题的求解方法主要分为精确方法、构造启发式方法和基于计算智能的元启发式算法三种类型。由于问题本身是NP困难的,因此,精确方法受计算量和存储量过大的影响,仅适合于小规模问题的求解。而构造启发式方法虽然可以在比较短的时间内获得调度问题的解,但该类方法在构造调度的过程中过于依赖根据问题局部信息设计的调度规则,除了基于领域搜索的启发式算法求的解性能较好以外,通常所获得的解的质量和算法通用性均较差。近几年,人工智能技术快速发展,基于计算智能的元启发式算法,特别是基于混合策略的算法,通常能够在可行时间内以较大的概率获得流水车间调度问题的最优解或最优近似解,成为各种流水车间调度问题最常用的算法。粒子群优化(PSO)算法的研究是目前计算智能领域的热点课题,最早是由Kennedy和Eberhart受鸟群捕食行为的启发而提出的一种基于群体智能方法的优化技术。与遗传算法(GA)比较,PSO保留了基于种群的全局搜索策略,通过 ...
【技术保护点】
一种基于生物启发的改进型粒子群优化算法,其特征在于,包括以下步骤:(1)定义解空间;(2)定义适应度函数;(3)根据生物调节机制,设计激素调节因子AF,改进粒子群算法中的粒子飞行公式;(4)粒子在解空间中飞行,寻找最优解;(5)设定最大循环数以及最小偏差要求,如果停止条件满足,则输出全局最优解;否则,返回步骤(3)继续寻找最优解。
【技术特征摘要】
1.一种基于生物启发的改进型粒子群优化算法,其特征在于,包括以下步骤:(1)定义解空间;(2)定义适应度函数;(3)根据生物调节机制,设计激素调节因子AF,改进粒子群算法中的粒子飞行公式;(4)粒子在解空间中飞行,寻找最优解;(5)设定最大循环数以及最小偏差要求,如果停止条件满足,则输出全局最优解;否则,返回步骤(3)继续寻找最优解。2.根据权利要求1所述的一种基于生物启发的改进型粒子群优化算法,其特征在于,所述步骤(1)中定义解空间是指针对所需求解的问题,确定需要优化的变量并赋予其搜索最优解的范围;在n维优化问题中每一维都要求根据具体问题确定其取值范围和每一代粒子种群数量。3.根据权利要求2所述的一种基于生物启发的改进型粒子群优化算法,其特征在于,定义粒子的当前位置用于代表所需求解的问题的一个可行解。4.根据权利要求1所述的一种基于生物启发的改进型粒子群优化算法,其特征在于,所述步骤(2)中,定义适应度函数是指确定一个能够准确反映出解空间中解的优劣程度的函数,将其确定为算法的适应度函数。5.根据权利要求4所述的一种基于生物启发的改进型粒子群优化算法,其特征在于,所述适用度函数可直接采用优化问题的目标函数。6.根据权利要求1所述的一种基于生物启发的改进型粒子群优化算法,其特征在于,所述步骤(3)包括以下步骤:(3-1)粒子编码,采用问题解与粒子维度位置一一对应的二维编码表示方法进行粒子编码;(3-2)参数初始化,在初始位置时,用基于贪婪随机自适应搜索算法将随机的个体初始解转换出个体最优解初始值;每个粒子在运动初期的第一个位置,就是该粒子的个体最优位置,而全局最优位置就是这些个体最...
【专利技术属性】
技术研发人员:顾文斌,张薇薇,苑明海,
申请(专利权)人:河海大学常州校区,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。