The invention is a particle swarm optimization method based on complex network, which is used to solve the multi-objective optimization problem in the real world. This method is based on the scale-free network formation mechanism to construct network topology, determine the search space, the particle population size, position and speed, according to the fitness function to calculate the fitness value of the best historical record particle position and the historical position and the best neighbor global best position, each iteration of particle position and velocity, re calculation the fitness value, until the iteration is completed, the output of global best position. The invention also provides four indexes to evaluate the optimization performance of the central particles and the non central particles: the influence in the neighborhood, the ability to transmit information, the fitness of the fitness value, and the ability to maintain the activity of the population. The invention can effectively avoid falling into local optimum, and can balance the convergence speed and the optimization effect of the application particle swarm optimization algorithm.
【技术实现步骤摘要】
基于复杂网络的粒子群优化方法
本专利技术涉及计算机
,具体涉及一种基于复杂网络的粒子群优化方法,用于解决现实世界的多目标优化问题,例如用于空管领域,解决航班起降排序问题。
技术介绍
现实世界的很多优化问题属于多目标优化问题,多个相互竞争目标的优化结果是得到一组可行解。例如资产投资的多目标优化,物资调用车辆路径的优选,新产品的优化设计,产品生产调度等等方面。例如,对于航班起降排序问题,问题的求解空间由所有可能的航班起降的时间序列组成,空间的每一点为一个时间序列(也即一种航班起降排序方法),每一点在每一维度上的坐标为一架飞机的起飞或降落的时间。根据不同的目的,建立不同的目标函数,例如:极小化总空中延误,极小化总起飞/降落时间等等,种群粒子在求解空间中寻找优解。智能优化算法(IntelligentOptimizationAlgorithm),又称智能计算(IntelligentComputation),是通过模拟或揭示某些自然现象或过程发展而来的优化算法,其思想和内容涉及数学、物理学、生物学和计算机科学等学科,它不依赖梯度信息,具有全局、并行、高效的优化性能,鲁棒性和通用性强,为解决大规模非线性问题提供了新的思路和手段。现实世界的优化问题常常为大规模非线性问题,目前可采用智能优化算法来解决。粒子群算法是由Kennedy和Eberhart于1995年开发的一种模仿鸟类群体行为的智能优化算法,基本思想是通过群体中个体之间的协作和信息共享来寻找最优解。PSO的优势在于简单容易实现并且没有许多参数的调节,但是也存在容易陷入局部最优、早熟收敛或停滞等问题。众所周知, ...
【技术保护点】
一种基于复杂网络的粒子群优化方法,用于空管领域的航班起降排序问题,其特征在于,该方法包括如下步骤:第一步,确定寻优空间,设置种群规模,随机设置各粒子的位置和速度;设粒子i的位置为
【技术特征摘要】
1.一种基于复杂网络的粒子群优化方法,用于空管领域的航班起降排序问题,其特征在于,该方法包括如下步骤:第一步,确定寻优空间,设置种群规模,随机设置各粒子的位置和速度;设粒子i的位置为速度为其中,RD由所有可能的航班起降的时间序列组成,D表示粒子的维度,取值为飞机的数量;xid表示第d架飞机的起飞时间,vid为种群优化时粒子i中第d个元素对应的速度,i=1,2…,N,N为种群的规模;第二步,根据无标度网络的产生机制建立种群网络拓扑,具体建立方法是:设当前存在的连通网络中有m0个粒子,对于新加入的粒子,将该粒子与已存在的网络中的m个节点连接,m小于m0,新加入粒子与网络中已存在的节点i相连接的概率Pi为:其中,Ki、Kj分别为网络中已存在的节点i、节点j的度;设种群共有N个粒子,N个粒子按照所述建立方法形成种群网络;第三步,确定当前各粒子的适应值,更新各粒子的历史最好位置和历史邻居最好位置,以及全局历史最好位置;第四步,判断是否达到迭代终止条件,若是,则执行第六步,否则继续执行第五步;第五步,更新各粒子的位置和速度,然后转第三步执行;在无标度网络中,根据如下四种指标来评价中心粒子和非中心粒子的优化性能,具体是:(1)邻域中的影响力;确定粒子i的所有邻居的平均度值Ki',i=1,2…,N;确定粒子i在优化过程中学习的邻居的平均度值Ki”,其中t为当前的优化代数,...
【专利技术属性】
技术研发人员:杜文博,蔡开泉,刘琛,高阳,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
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。