多参数多目标混沌粒子群参数寻优方法技术
【技术实现步骤摘要】
本专利技术属于优化控制
，涉及一种多参数多目标混沌粒子群参数寻优方法。
技术介绍
近些年来，遗传算法、蚁群算法、免疫算法、粒子群优化算法等智能优化算法在各个领域得到了广泛应用。其中粒子群优化算法，是通过模拟鸟群觅食行为发展起来的一种基于群体协作的随机搜索算法，具有简单易行、收敛速度快、优化效率高、鲁棒性好等特点，在处理优化问题中取得了很好的效果，但是针对多参数、多目标综合寻优问题仍然是一个具有挑战性的课题。目前，存在着两个主要问题，制约了现有粒子群方法在多参数、多目标寻优问题中的应用。第一，针对多目标问题，现有的很多方法是将多目标乘以权系数然后相加，将多目标优化问题变换成对多目标加权的单目标优化问题，然而权值的选择困难使该方法难以达到很好的效果。第二，粒子群优化算法中，初始粒子的分布对于优化算法的性能有着明显的影响，随着待优化参数数量的增加，其目标解空间的维数也随之增加，非均匀分布的多维解空间初始粒子，将会降低算法的全局收敛性能，使得算法...
【技术保护点】
一种多参数多目标混沌粒子群参数寻优方法，其特征在于，该方法按照以下步骤实施：步骤1，确定目标函数和待优化参数确定待优化参数数量为N，待优化目标函数个数ns，针对问题的不同优化目标选取合适的目标函数J1，J2，…，Jns；步骤2，算法初始化初始化粒子种群规模为M，粒子为多维粒子，其维数等于待优化参数数目N，最大迭代次数为kmax，初始全局最优解集中解的个数j＝0，初始个体历史最优解集中解的个数im＝0，随机初始化全局粒子最优位置Yg＝[Yg1,…,YgN]，初始化粒子的个体历史最优目标函数J1max(m)＝0，J2max(m)＝0，…，Jnsmax(m)＝0，m＝1,2,…,...
【技术特征摘要】
1.一种多参数多目标混沌粒子群参数寻优方法，其特征在于，该方法按照
以下步骤实施：
步骤1，确定目标函数和待优化参数
确定待优化参数数量为N，待优化目标函数个数ns，针对问题的不同优
化目标选取合适的目标函数J1，J2，…，Jns；
步骤2，算法初始化
初始化粒子种群规模为M，粒子为多维粒子，其维数等于待优化参数数目
N，最大迭代次数为kmax，初始全局最优解集中解的个数j＝0，初始个体历史最
优解集中解的个数im＝0，随机初始化全局粒子最优位置Yg＝[Yg1,…,YgN]，初始
化粒子的个体历史最优目标函数J1max(m)＝0，J2max(m)＝0，…，Jnsmax(m)＝0，
m＝1,2,…,M，针对多个待优化参数，采用单向耦合映像格子时空混沌模型初
始化粒子群优化算法的粒子初始位置及初始速度，初始位置表示为Xmn(0),初
始速度表示Vmn(0)，其中m＝1,2,…,M，n＝1,2,…,N，分别表示为第0次迭代时第m
个粒子第n维的位置、飞行速度；
所述的单向耦合映像格子时空混沌映射模型为：
Ln(m+1)＝(1-εn)f[Ln(m)]+εnf[Ln-1(m)]，(1)
其中，f[Ln(m)]为Logistic混沌映射，f[Ln(m)]＝μLn(m)(1-Ln(m))，Ln(m)
为状态变量；n为空间格点位置，对应维数；m代表离散时间，对应种群规模；
εn为耦合强度，采用时空混沌映射，在优化算法开始阶段，直接生成具有多维
解空间均匀分布的初始粒子位置和速度，即选取粒子位置Xmn(0)＝kx*Ln(m)，
Vmn(0)＝kv*Ln(m+M)，其中kx和kv分别为比例系数，将混沌时空模型的状态从[0，
\t1]间通过乘以对应的系数转换到对应位置和速度参数取值范围内；
步骤3，计算种群中每个个体对应的目标函数的值
将当前第k代粒子m,m＝1,…,M，所代表的多维参数Xmn(k)，n＝1,…,N，代
入待优化问题，计算该次迭代中粒子m对应的所有目标函数的值，表示为[J1(m,
k)，J2(m,k)，…，Jns(m,k)]；
步骤4，更新个体历史最优解
对于当前第k代中的第m个粒子，比较其对应的多个目标函数的值与其自
身历史最优位置对应的多个目标函数的值，如果该粒子的每个目标函数的值
都不劣于该粒子的历史最优位置对应的目标函数的值，那么用该粒子的目标
函数的值替换个体历史最好目标函数的值，同时将该粒子位置保存入个体最
优集中；
步骤5，更新粒子速度和位...
【专利技术属性】
技术研发人员：任海鹏，郭鑫，李洁，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61
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。