一种混沌扰动与自适应惯性权重的粒子群优化方法技术

本发明专利技术属于无线通信技术领域，公开了一种混沌扰动与自适应惯性权重的粒子群优化方法，种群初始化；随机生成每个粒子的位置X、速度V；利用适应值函数fitness计算当前所有粒子的适应值，初始化每个粒子的局部最优解pbest和群体的全局最优解gbest；排序所有粒子并进行混沌扰动操作；进行基于自适应惯性权重的迭代操作。本发明专利技术的混沌扰动操作扩大了粒子的搜索范围，之后对比了扰动前后的适应值，选取最优的部分进入下一步，提高了算法的收敛速度。自适应的惯性权重在前期保持较大值可以提升全局搜索能力，后期保持较小值可以提升局部搜索能力，总体上提高寻优精度。

【技术实现步骤摘要】
一种混沌扰动与自适应惯性权重的粒子群优化方法
本专利技术属于无线通信
，尤其涉及一种混沌扰动与自适应惯性权重的粒子群优化方法。
技术介绍
目前，业内常用的现有技术是这样的：盲源分离技术(BlindSourceSeparation,BSS)是在源信号与传输信道的相关参数均为未知量的情况下，仅由传感器接收到的信号来恢复源信号的过程。在我国第三代北斗卫星导航系统以及新开通的“复兴号”高速动车组列车等项目能够顺利运行离不开信号处理的过程。因此，对盲源分离技术的研究有着非常广阔的前景。现有的盲源分离源信号恢复技术主要是基于ICA与SCA模型建立相应的目标函数，然后对目标函数采取合适的优化方法，进而实现源信号的恢复。主流的优化方法包括最速下降法、牛顿法、修正牛顿法等传统算法和遗传算法、蜂群算法、粒子群算法等群体智能算法。但都存在着不足之处。例如在祁锐等人在其发表的论文“基于改进光滑范数的块稀疏信号重构算法”(计算机工程，2015，第41卷(11期)，294-298.)中提出了一种改进光滑范数的块稀疏信号重构算法。该算法使用了最速下降法进行迭代计算，虽然在前期能够以较快的速度收敛，但是在算法本文档来自技高网...

【技术保护点】
1.一种混沌扰动与自适应惯性权重的粒子群优化方法，其特征在于，所述混沌扰动与自适应惯性权重的粒子群优化方法包括以下步骤：步骤一，种群初始化操作；步骤二，采用随机生成的方式对粒子的位置X及速度V进行初始化；步骤三，利用适应度函数fitness计算当前所有粒子的适应值，并按照适应值的好坏排序；步骤四，初始化每个粒子历史最优位置pbesti与全局最优位置gbest，其中i为粒子的序号；步骤五，进行混沌扰动操作；步骤六，进入自适应惯性权重的迭代操作：步骤七，判断是否达到最大迭代次数，如果达到最大迭代次数时停止迭代，否则继续迭代。

【技术特征摘要】
1.一种混沌扰动与自适应惯性权重的粒子群优化方法，其特征在于，所述混沌扰动与自适应惯性权重的粒子群优化方法包括以下步骤：步骤一，种群初始化操作；步骤二，采用随机生成的方式对粒子的位置X及速度V进行初始化；步骤三，利用适应度函数fitness计算当前所有粒子的适应值，并按照适应值的好坏排序；步骤四，初始化每个粒子历史最优位置pbesti与全局最优位置gbest，其中i为粒子的序号；步骤五，进行混沌扰动操作；步骤六，进入自适应惯性权重的迭代操作：步骤七，判断是否达到最大迭代次数，如果达到最大迭代次数时停止迭代，否则继续迭代。2.如权利要求1所述的混沌扰动与自适应惯性权重的粒子群优化方法，其特征在于，所述步骤一中种群初始化中包括种群的大小N，粒子的维数D，迭代的最大次数M，学习因子c1和c2，惯性权重ω的上下限ωmax和ωmin。3.如权利要求1所述的混沌扰动与自适应惯性权重的粒子群优化方法，其特征在于，所述步骤五中进行混沌扰动操作步骤如下：第一步，当前迭代次数小于等于最大迭代次数的1/3时，选取排序后前1/3的粒子直接进入下一代；当前迭代次数大于最大迭代次数的1/3且小于等于最大迭代次数的2/3时，选取前2/3的粒子直接进入下一代；当前迭代次数大于最大迭代次数的2/3时，所有粒子全部直接进入下一代；第二步，将剩余未直接进入下一代的粒子位置按照如下公式扰动：Xi＝Xi+2*z*(4*μ0*(1-μ0))-...

【专利技术属性】
技术研发人员：姚东升，付卫红，贾丽苹，李丹，张琮，周新彪，张云飞，黄刚，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61