【技术实现步骤摘要】
一种基于粒子群算法确定目标对象位置的方法和装置
本公开涉及机器学习
，特别涉及一种基于粒子群算法确定目标对象位置的方法和装置。
技术介绍
粒子群算法是一种通过模拟鸟群觅食过程中的迁徙和群聚行为，而提出的一种基于群体智能的全局随机搜索算法。粒子群算法的应用场景较多，其中一种应用场景可以是用于搜索某个对象的位置，该对象可以称为目标对象。传统的粒子群算法，可以从随机解出发，通过迭代寻找最优解作为目标对象的位置。但是这种算法经常容易陷入局部最优解，并且收敛速度并不理想，影响了对目标对象位置搜索的效率和准确性。
技术实现思路
有鉴于此，本说明书一个或多个实施例提供一种基于粒子群算法确定目标对象位置的方法和装置，以提高位置搜索的效率和准确性。具体地，本说明书一个或多个实施例是通过如下技术方案实现的：第一方面，提供一种基于粒子群算法确定目标对象的位置的方法，所述方法包括：确定粒子群中每个粒子的速度和位置；根据所述速度和位置，确定所述每个粒子的适应度值，所述适应度值与所述粒子和目标对象之间的距离相关；根据所述适应度值的大小，对所述粒子群中各个粒子的适应度值排序，并由排序结果中选...
【技术保护点】
1.一种基于粒子群算法确定目标对象的位置的方法，所述方法包括：确定粒子群中每个粒子的速度和位置；根据所述速度和位置，确定所述每个粒子的适应度值，所述适应度值与所述粒子和目标对象之间的距离相关；根据所述适应度值的大小，对所述粒子群中各个粒子的适应度值排序，并由排序结果中选择适应度值较大的部分粒子进入交叉池，所述部分粒子根据粒子群规模和交叉概率确定，以由所述交叉池中选择粒子进行交叉；对所述粒子群中的粒子进行变异；当满足粒子群算法的终止条件时，将粒子群算法的最优解对应的位置作为所述目标对象的所在位置。
【技术特征摘要】
1.一种基于粒子群算法确定目标对象的位置的方法，所述方法包括：确定粒子群中每个粒子的速度和位置；根据所述速度和位置，确定所述每个粒子的适应度值，所述适应度值与所述粒子和目标对象之间的距离相关；根据所述适应度值的大小，对所述粒子群中各个粒子的适应度值排序，并由排序结果中选择适应度值较大的部分粒子进入交叉池，所述部分粒子根据粒子群规模和交叉概率确定，以由所述交叉池中选择粒子进行交叉；对所述粒子群中的粒子进行变异；当满足粒子群算法的终止条件时，将粒子群算法的最优解对应的位置作为所述目标对象的所在位置。2.根据权利要求1所述的方法，所述由排序结果中选择适应度值较大的部分粒子进入交叉池，所述部分粒子根据粒子群规模和交叉概率确定，包括：由排序结果中选择适应度值较大的前N个粒子进入交叉池；所述N是由粒子群规模乘以交叉概率得到。3.根据权利要求1所述的方法，所述确定粒子群中每个粒子的速度和位置，包括：初始化粒子群中每个粒子的位置和速度；计算所述每个粒子的适应度值；对于所述每个粒子，通过将所述粒子的适应度值与个体极值和全局极值进行比较，更新所述粒子的速度和位置；所述根据所述速度和位置确定所述每个粒子的适应度值，具体为：根据更新后的粒子的速度和位置，计算所述适应度值。4.根据权利要求3所述的方法，所述每个粒子通过将自己的适应度值与个体极值和全局极值进行比较，更新所述粒子的速度和位置，包括：将所述粒子的适应度值与个体极值比较，若所述适应度值大于个体极值，则用所述粒子的位置替换掉所述个体极值；将所述粒子的适应度值与全局极值比较，若所述适应度值大于全局极值，则用所述粒子的位置替换掉所述全局极值；根据更新后的所述个体极值和全局极值，更新所述粒子的速度和位置。5.根据权利要求3所述的方法，所述粒子群中的粒子是用于搜索目标对象的机器人；所述个体极值是所述机器人与目标对象的最近位置；所述全局极值是粒子群中的所有机器人与目标对象的最近位置；所述适应度值，表示所述机器人接收到的目标对象发出的信号强度的大小，信号越强，所述适应度值越大。6.根据权利要求1所述的方法，所述对所述粒子群中的粒子...
【专利技术属性】
技术研发人员：林炳文，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY
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。