一种参数优化算法及系统技术方案

本发明专利技术公开了一种参数优化算法，包括分别计算预设范围内多个粒子的适应值，并将多个适应值进行比较，选取最优适应值所对应的粒子作为最优粒子，其中，最优适应值为多个适应值中的最小值；判断最优粒子的第j维参数是否陷入停滞不前，若是，则重新确定最优粒子，若否，则判断是否达到预设迭代次数，若是，算法结束，若否，重复上述步骤。本发明专利技术可以使粒子已经陷入停滞不前的那一维跳出局部最优，巧妙地解决了优化算法的早熟问题，进而提高了收敛精度。本发明专利技术还公开了一种参数优化系统，具有上述有益效果。

【技术实现步骤摘要】
一种参数优化算法及系统
本专利技术涉及优化领域，特别是涉及一种参数优化算法及系统。
技术介绍
粒子群优化算法是近年来开发的一种随机搜索算法，在这个算法中每个优化问题的解都可以看作搜索空间中一个随机的粒子，每个粒子均为一个由n参数变量组成的n维向量，每个粒子在搜索空间中单独的搜寻最优解，记为个体极值，并将个体极值与整个粒子群的其他粒子共享，然后找到最优的个体极值作为整个粒子群的全局最优解，粒子群中的所有粒子根据自己找到的当前个体极值和整个粒子群共享的当前全局最优解来不断调整自己的速度和位置，来靠近全局最优解。但是如果该全局最优解的位置为一个局部最优位置，粒子群也无法在搜索空间内重新搜索，于是粒子的部分维就会停滞不前，出现早熟收敛现象，导致收敛精度低。因此，如何提供一种解决上述技术问题的方案是本领域技术人员目前需要解决的问题。
技术实现思路
本专利技术的目的是提供一种参数优化算法，可以使粒子已经陷入停滞不前的那一维跳出局部最优，巧妙地解决了优化算法的早熟问题；本专利技术的另一目的是提供一种参数优化系统。为解决上述技术问题，本专利技术提供了一种参数优化算法，包括：步骤1：分别计算预设范围内多个本文档来自技高网...

【技术保护点】
一种参数优化算法，其特征在于，包括：步骤1：分别计算预设范围内多个粒子的适应值，并将多个所述适应值进行比较，选取最优适应值所对应的粒子作为最优粒子，其中，所述最优适应值为多个所述适应值中的最小值；步骤2：判断所述最优粒子的第j维参数是否陷入停滞不前，若是，则重新确定最优粒子，若否，触发步骤3；步骤3：判断是否达到预设迭代次数，若是，算法结束，若否，重复步骤1。

【技术特征摘要】
1.一种参数优化算法，其特征在于，包括：步骤1：分别计算预设范围内多个粒子的适应值，并将多个所述适应值进行比较，选取最优适应值所对应的粒子作为最优粒子，其中，所述最优适应值为多个所述适应值中的最小值；步骤2：判断所述最优粒子的第j维参数是否陷入停滞不前，若是，则重新确定最优粒子，若否，触发步骤3；步骤3：判断是否达到预设迭代次数，若是，算法结束，若否，重复步骤1。2.根据权利要求1所述的参数优化算法，其特征在于，所述步骤2的过程具体为：根据第一变异关系式判断所述最优粒子的第j维参数是否陷入停滞不前；其中，所述第一变异关系式为X(i,j)＝c1·xaj+c2·(xaj-xah)，X(i,j)为第i粒子的第j维变异值，xaj为所述最优粒子的第j维值，xah为所述最优粒子的第h维值，c1、c2为[-1，1]之间的随机数；计算第i粒子的第j维变异值的适应值，若第i粒子的第j维变异值的适应值小于最优适应值，则所述最优粒子的第j维参数陷入停滞不前，将所述第i粒子第j维变异值的适应值设为新的最优适应值，若第i粒子的第j维变异值的适应值大于或等于所述最优适应值，则触发步骤3。3.根据权利要求1所述的参数优化算法，其特征在于，所述步骤1还包括：选取次优适应值所对应的粒子作为次优粒子，其中所述次优适应值大于最优适应值；则所述步骤2还包括：根据第二变异关系式判断所述最优粒子的第j维参数是否陷入停滞不前；其中，所述第二变异关系式为X(i,j)＝c1·xaj+(1-c1)·xbj+c2·(xaj-xah)，X(i,j)为第i个粒子的第j维变异值，xaj为所述最优粒子的第j维值，xbj为所述次优粒子的第j维值，xah为所述最优粒子的第h维值，c1、c2为[-1，1]之间的随机数；计算所述第i粒子的第j维变异值的适应值，若所述第i粒子的第j维变异值的适应值小于所述最优适应值，则所述最优粒子的第j维参数陷入停滞不前，将所述第i粒子第j维变异值的适应值设为新的最优适应值，若所述第i粒子的第j维变异值的适应值小于次优适应值，则将所述第i粒子第j维变异值的适应值设为新的次优适应值，若所述第i粒子的第j维变异值的适应值大于或等于所述次优适应值，则触发步骤3。4.根据权利要求1-3任意一项所述的参数优化算法，其特征在于，其中c1为1/2。5.一种参数优化系统，其特征在于...

【专利技术属性】
技术研发人员：殷豪，陈云龙，曾云，杨砾，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44