粒子群优化算法、多计算机并行处理方法及系统技术方案

本发明专利技术涉及一种粒子群优化算法、多计算机并行处理方法及系统，本粒子群优化算法包括：步骤S1，初始化广义区间粒子群；步骤S2，计算各个粒子的初始适应度值；以及步骤S3，迭代更新粒子群速度和位置，直至输出全局最优解；本发明专利技术的粒子群优化算法、多计算机并行处理方法及系统通过广义区间代替精确粒子的方式，大大拓展了粒子群的覆盖范围，有效解决了精确粒子群初始值易使优化算法陷入局部最优的问题，并且可以结合现有多核计算机的并行处理能力，显著提高计算结果的精度和效率。

【技术实现步骤摘要】
粒子群优化算法、多计算机并行处理方法及系统
本专利技术涉及一种粒子群优化算法、多计算机并行处理方法及系统。
技术介绍
粒子群优化算法(PSO)与遗传算法类似，是一种基于迭代的优化算法。系统初始化为一组随机解，通过迭代搜寻最优值。但是它没有遗传算法用的交叉以及变异，而是粒子在解空间追随最优的粒子进行搜索。同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整其已广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法的应用领域。在实际使用时，由于精确粒子群的覆盖范围有限，容易造成精确粒子群初始值使优化算法陷入局部最优的缺陷。
技术实现思路
本专利技术的目的是提供一种粒子群优化算法、多计算机并行处理方法及系统，以解决精确粒子群初始值易使优化算法陷入局部最优的问题。为了解决上述技术问题，本专利技术提供了一种粒子群优化算法，包括：步骤S1，初始化广义区间粒子群；步骤S2，计算各个粒子的初始适应度值；以及步骤S3，迭代更新粒子群速度和位置，直至输出全局最优解。进一步，步骤S1中初始化广义区间粒子群的方法包括：设本粒子群共有m个粒子，每个粒子均为一个广义区间，各个粒子的初始位置和本文档来自技高网...

【技术保护点】
一种粒子群优化算法，包括：步骤S1，初始化广义区间粒子群；步骤S2，计算各个粒子的初始适应度值；以及步骤S3，迭代更新粒子群速度和位置，直至输出全局最优解。

【技术特征摘要】
2016.09.21 CN 20161083935821.一种粒子群优化算法，包括：步骤S1，初始化广义区间粒子群；步骤S2，计算各个粒子的初始适应度值；以及步骤S3，迭代更新粒子群速度和位置，直至输出全局最优解。2.根据权利要求1所述的粒子群优化算法，其特征在于，步骤S1中初始化广义区间粒子群的方法包括：设本粒子群共有m个粒子，每个粒子均为一个广义区间，各个粒子的初始位置和初始速度表达式分别如下：初始位置表达式：其中，是第i个粒子初始位置的下界，是第i个粒子初始位置的上界；以及初始速度表达式：其中，是第i个粒子初始位置的下界，是第i个粒子初始位置的上界。3.根据权利要求2所述的粒子群优化算法，其特征在于，所述步骤S2中计算各个粒子的初始适应度值的方法包括：设本粒子群优化算法的目标函数为J(α)＝f(α)，且分别把m个粒子的上界和下界代入该目标函数中，以得到每个粒子的适应度值区间，并经过比较得到全局最优值tg和个体极值tp。4.根据权利要求3所述的粒子群优化算法，其特征在于，第i个粒子的所述适应度值区间对应的表达式为5.根据权利要求4所述的粒子群优化算法，其特征在于，所述步骤S3中迭代更新粒子群速度和位置，直至输出全局最优解的方法包括：步骤S31，根据给定的粒子速度计算下一时刻各粒子的新位置，并获得新的适应度值区间；以及步骤S32，根据粒子i的速度更新公式获得在本时刻的粒子速度，以及根据粒子速度计算下一时刻各粒子的新位置，并获得相应新的适应度值区间；步骤S33，重复步骤S32，直至输出全局最优解。6.根据权利要求5所述的粒子群优化算法...

【专利技术属性】
技术研发人员：王二化，赵黎娜，
申请(专利权)人：常州信息职业技术学院，
类型：发明
国别省市：江苏,32