The invention discloses a multi-peak optimization backbone particle swarm optimization algorithm based on improved species preservation strategy, belonging to the optimization field. Firstly, it improves the strategy of species preservation in genetic algorithm, mainly including: 1) the selection range of seeds is the individual extreme value in particle swarm optimization to prevent oscillation; 2) species similarity is defined to maintain seed diversity; 3) the formation of sub-populations is no longer dependent on the niche radius, and the ownership of non-seed particles. In the nearest seed to oneself. Then, the improved species preservation strategy is introduced into the backbone particle swarm optimization algorithm of traditional single-peak optimization to achieve multiple peak searches in the whole feasible region. The invention can search multiple peaks at the same time, and has strong global search ability, fast convergence speed, high solution accuracy and few parameter settings, which is very suitable for practical application in engineering.
【技术实现步骤摘要】
一种基于改进物种保存策略的多峰优化骨干微粒群算法
本专利技术涉及优化领域,尤其涉及一种基于改进物种保存策略的多峰优化骨干微粒群算法。
技术介绍
无论是军事、工农业,还是日常生活,都大量存在优化问题。对于该问题的解决途径主要分两大类:传统优化算法和智能优化算法。传统优化算法主要包括:导数法,直接法,枚举法等。这些方法通常都是沿着适应度函数的梯度方向搜索,容易陷入局部最小值,并对搜索起点较敏感。为此,近年来,发展形成了各种具有全局搜索特性的智能优化算法,如遗传算法、模拟退火算法、微粒群算法等。微粒群算法(ParticleSwarmOptimization,简称PSO)因其实现容易、精度高、收敛快等优点引起了学术界的重视,并且在解决实际问题中展示了其优越性。标准的PSO和骨干PSO(BBPSO)算法虽然都是全局优化算法,但都是针对搜索空间中只有一个全局最优解而设计的。在进化过程中由于选择压力的存在,使他们无法得到多个全局最优解和一些质量较好的局部最优解。针对多峰优化问题,国内外学者们将小生境技术引入进化算法中,并为此提出了许多小生境策略,比如:排挤策略、适应度分享策略、物种保存策略、多物种策略等等。但是基于这些策略的多峰优化算法并不完美,在实际应用过程中仍然存在一些不足,比如:存在设置参数多,收敛速度慢,适应度值波动振荡等问题。
技术实现思路
专利技术目的:针对现有多峰优化算法存在的不足,提出一种基于改进物种保存策略的多峰优化骨干微粒群算法。技术方案:为实现上述目的,本专利技术首先对物种保存策略进行改进,然后将该策略引入到BBPSO中,形成能够实现多峰搜索的改进BB ...
【技术保护点】
1.一种基于改进物种保存策略的多峰优化骨干微粒群算法,其特征在于,包括如下步骤:步骤1:构造优化问题的适应度函数,进行算法初始化;步骤2:利用适应度函数,计算每个微粒的适应值;步骤3:更新微粒个体极值;步骤4:更新/确定物种种子;步骤5:计算微粒到各个种子的距离,确定微粒的归属;步骤6:更新微粒位置
【技术特征摘要】
1.一种基于改进物种保存策略的多峰优化骨干微粒群算法,其特征在于,包括如下步骤:步骤1:构造优化问题的适应度函数,进行算法初始化;步骤2:利用适应度函数,计算每个微粒的适应值;步骤3:更新微粒个体极值;步骤4:更新/确定物种种子;步骤5:计算微粒到各个种子的距离,确定微粒的归属;步骤6:更新微粒位置xi,其中每个微粒的第j维位置更新公式:,式中N(∙)表示高斯分布;是高斯分布的均值;是高斯分布的标准差;步骤7:若满足停止条件,搜索停止,输出所有全局最优位置和全局最优适应值;否则,返回步骤2继续搜索。2.根据权利要求1所述的一种基于改进物种保存策略的多峰优化骨干微粒群算法,其特征在于,所述步骤1中的算法初始化具体包括:随机产生微粒的位置,计算其适应度值,并将这两者初始化个体极值,设置算法所需参数,包括种群规模、最大迭代代数和物种相似度阈值σ*。3.根据权利要求1所述的一种基于改进物种保存策略的多峰优化骨干微粒群算法,其特征在于,所述步骤3中个体极值更新方式:将每个微粒当前位置的适应度值与原...
【专利技术属性】
技术研发人员:王攀攀,段森,胡泳军,尚健祎,冯森,王佩月,金荣泽,
申请(专利权)人:中国矿业大学,
类型:发明
国别省市:江苏,32
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。