一种分层异质动态粒子群优化算法制造技术

本发明专利技术为克服现有技术的缺陷，提出了一种多层异构动态粒子群优化方法。该算法将粒子群拓扑结构设置为多层次结构，同时在粒子的速度更新过程当中，引入吸引粒子的概念，将粒子周围的吸引粒子对其自身的影响考虑在内，对粒子的速度更新公式进行改进。这种改进方式能够平衡算法本身的局部搜索能力和全局搜索能力，很好的解决了由于粒子之间信息共享机制简单导致的算法容易早熟，收敛速度慢等缺陷。本发明专利技术的有益效果是：相比于传统的粒子群优化算法收敛速度较快，增强了粒子之间的信息交互能力，提高了算法的局部开发能力和寻优效率。

【技术实现步骤摘要】
一种分层异质动态粒子群优化算法
本专利技术涉及计算机应用
，具体涉及一种分层异质动态粒子群优化算法。
技术介绍
优化问题是个古老的课题，无论是微观世界还是宏观世界，最优化问题是普遍存在的。优化问题也就是对于某个问题,如果有多种可供选择的解决方案,则需要确定具体的性能要求,并从多个方案中选择一种,使得所确定的性能要求指标最大或最小。自从优化问题提出后,人们针对优化问题的求解提出了各种方法，对优化问题的求解研究亦从未间断，这些方法主要分为两类:第一类是利用解析的思想,该方法的一个特点是利用优化所具有的性质特点，建立起极值点所应该满足的方程或方程组,求解方程或方程组,最终得到问题的最优解；第二类是利用数值的思想,利用优化函数的性质,设计适当的基本迭代算式，在给定初值的情况下,通过基本迭代式的递归运算得到优化问题的解。粒子群优化算法(particleswarmoptimization,PSO)是由Kennedy和Eberhart于1995年提出的一种模拟鸟群觅食的群智能优化算法，群中每个粒子在搜索空间中，按照如下两个公式不断地调整自身的速度和位置进行寻优，直到满足收敛终止条件。式中，和本文档来自技高网...

【技术保护点】
一种分层异构动态粒子群优化算法，具体包括如下步骤：(1)初始化粒子群：随机初始化粒子的位置和速度；(2)计算每个粒子的适应度值，构建种群分层结构：计算每个粒子的适应度值并进行排序，依据适应度值大小将粒子置于不同的层次，且每个层次中粒子数目相同；(3)更新粒子的局部最优位置和全局最优位置：对于每个粒子，比较它的适应度值和它所经历过的最好位置

【技术特征摘要】
1.一种分层异构动态粒子群优化算法，具体包括如下步骤：(1)初始化粒子群：随机初始化粒子的位置和速度；(2)计算每个粒子的适应度值，构建种群分层结构：计算每个粒子的适应度值并进行排序，依据适应度值大小将粒子置于不同的层次，且每个层次中粒子数目相同；(3)更新粒子的局部最优位置和全局最优位置：对于每个粒子，比较它的适应度值和它所经历过的最好位置的适应值，如果更小则更新对于每个粒子，比较它的适应度值和拓扑邻居中的群体经历过的最好位置的适应度值，如果更小则更新(4)计算吸引粒子的吸引系数并更新粒子的速度和位置：速度更新公式为：位置更新公式为：是第t次迭代时第j维中粒子i的吸引粒子a所在的位置，是粒子i的吸引粒子的总数，c3是恒定的加速度系数，是粒子i的吸引粒子a所对应的吸引系数，其他参数与标准粒子群算法中参数含义相同；(5)如果达到迭代结束条件则迭代结束，否则转步骤(2)继续迭代。2.根据权利要求1所述的一种分层异构动态粒子群优化算法，其特征在于，所述的步骤(2)具体包括：每个粒子通过目标函数计算适应度值，适应度值越小的粒子，所在的层次越高。3.根据权利要求1所述的一种分层异构动态粒子群优化算法，其特征在于，所述的步骤(3)具体包括：所述的最好位置为通过目标函数计算适应...

【专利技术属性】
技术研发人员：徐东，姬少培，孟宇龙，张子迎，王磊，王岩峻，张朦朦，张玲玲，李贤，吕骏，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23