粒子群位置搜索方法、系统、装置及可读存储介质制造方法及图纸

本发明专利技术实施例涉及粒子群领域，公开了一种粒子群位置搜索方法。根据粒子群的初始位置和初始速度计算每个粒子的位置适应度，使用每个粒子的所述位置适应度更新每个粒子的个体最优位置，利用每个粒子的所述位置适应度更新每个粒子的全局最优位置，根据所述更新次数求解每个粒子的惯性权重和学习因子，根据所述惯性权重和所述学习因子计算得到所述粒子群内每个粒子的更新位置和更新速度，根据每个粒子的所述更新位置和所述更新速度得到的所述粒子群内每个粒子的个体最优位置和全局最优位置。本发明专利技术还提出一种粒子群位置搜索电子设备、装置以及计算机可读存储介质。本发明专利技术可有效的解决在全局空间的搜索情况下搜索效率差，收敛速度慢的缺点。

Particle swarm location search method, system, device and readable storage medium

【技术实现步骤摘要】
粒子群位置搜索方法、系统、装置及可读存储介质
本专利技术实施例涉及多目标优化、粒子群算法及遗传算法领域，特别涉及一种粒子群的位置搜索的方法、电子设备、装置及计算机可读存储介质。
技术介绍
目前粒子群的位置搜索方法主要包括传统搜索算法和智能搜索算法两类，传统搜索算法有线性加权法、约束法和线性规划法等，传统算法解决多目标问题就是将多目标问题通过一定办法转变成单目标问题来求解；智能搜索算法有进化算法(EvolutionaryAlgorithm，EA)、粒子群算法(ParticleSwarmOptimization，PSO)、非支配排序遗传算法(Non-dominatedSortingGeneticAlgorithms，NSGA)等依赖仿生学发展起来的算法。其中智能优化算法对于求解带有约束条件的多目标问题具有先天的优势，越来越得到广泛应用，但专利技术人发现，当前智能优化算法在全局空间的搜索情况下搜索效率差，收敛速度慢的缺点。
技术实现思路
本专利技术实施方式的目的在于提供一种粒子群的位置搜索方法、电子设备、装置及计算机可读存储介质，以解决在全局空间的搜索情况下搜索效率差，收敛速度慢的缺点。为解决上述技术问题，本专利技术的实施方式提供了一种粒子群的位置搜索方法，所述方法包括：位置适应度计算步骤：根据粒子群内每个粒子的初始位置和初始速度计算每个粒子的位置适应度；个体最优位置更新步骤：使用每个粒子的所述位置适应度更新每个粒子的个体最优位置；全局最优位置选择步骤：利用每个粒子的所述位置适应度更新预构建的全局最优位置网格集，根据预设的全局最优位置选择规则，从所述全局最优位置网格集内选择得到每个粒子的全局最优位置；惯性权重及学习因子计算步骤：统计所述个体最优位置更新的更新次数，若所述更新次数小于预设更新阈值，根据所述更新次数求解每个粒子的惯性权重和学习因子；位置适应度更新步骤：根据所述惯性权重和所述学习因子计算得到所述粒子群内每个粒子的更新位置和更新速度，根据每个粒子的所述更新位置和所述更新速度重新计算每个粒子的位置适应度，并返回个体最优位置更新步骤；更新次数判断步骤：若所述更新次数大于等于所述预设更新阈值，输出得到的所述粒子群内每个粒子的个体最优位置和全局最优位置。优选地，所述使用每个粒子的所述位置适应度更新每个粒子的个体最优位置，包括：判断每个粒子的所述位置适应度与每个粒子预存储的个体最优位置的支配关系；若所述位置适应度支配预存储的所述个体最优位置，则将所述位置适应度替代预存储的所述个体最优位置；若预存储的所述个体最优位置支配所述位置适应度，则保持每个粒子预存储的个体最优位置不变；若所述位置适应度与预存储的所述个体最优位置不存在支配关系，则随机选择所述位置适应度或预存储的所述个体最优位置作为每个粒子的个体最优位置。优选地，所述判断每个粒子的所述位置适应度与每个粒子预存储的个体最优位置的支配关系，包括：采用如下支配关系判断公式判断每个粒子的所述位置适应度与每个粒子预存储的个体最优位置的支配关系：其中，fi()表示预构建的支配关系判断公式，i∈1,2,…,n是所述fi()的分量表示，表示所述粒子群内第k个粒子的位置适应度，a表示所述位置适应度，表示所述粒子群内第k个粒子的预存储的所述个体最优位置，b表示所述个体最优位置。优选地，所述利用每个粒子的所述位置适应度更新预构建的全局最优位置网格集，包括：寻找每个粒子的所述位置适应度在所述全局最优位置网格集内对应的分全局最优位置集；判断每个粒子的所述位置适应度与对应的所述分全局最优位置集的支配关系得到支配关系判断结果；根据所述支配关系判断结果更新所述分全局最优位置集，得到更新后的全局最优位置网格集。优选地，所述根据所述支配关系判断结果更新所述分全局最优位置集，包括：若所述分全局最优位置集为空集，则将所述位置适应度直接存入至所述分全局最优位置集内；若所述分全局最优位置集不为空集时，判断所述位置适应度与所述分全局最优位置集内的每个全局最优位置是否存在支配关系；若所述位置适应度被所述分全局最优位置集内其中的一个全局最优位置所支配，则不更新所述分全局最优位置集；若所述位置适应度支配所述分全局最优位置集内其中的一个全局最优位置，则将所述位置适应度代替所述分全局最优位置集内被支配的全局最优位置；若所述位置适应度与所述分全局最优位置集内任意的全局最优位置都不存在支配关系，将所述位置适应度存入至所述分全局最优位置集内。优选地，所述将所述位置适应度存入至所述分全局最优位置集内，包括：根据预构建的粒子拥挤距离计算方法，计算与所述分全局最优位置集对应的分粒子群内每两个粒子之间的拥挤距离；若每两个粒子之间的所述拥挤距离小于预设拥挤距离，则删除每两个粒子中其中一个粒子在所述分全局最优位置集内对应的全局最优位置，将所述位置适应度存入至判断完成后的所述分全局最优位置集内。优选地，所述粒子拥挤距离计算方法为：其中，di为预设的第i个粒子的拥挤距离最小值，fi+1,m表示第i+1个粒子第m个位置目标值，fi-i,m表示第i-1个粒子的第m个位置目标值，M表示位置目标值的个数；及分别指M个位置目标值中的最大位置目标值及最小位置目标值。为了解决上述问题，本专利技术还提供一种粒子群的位置搜索装置，所述装置包括：个体最优位置更新模块，用于根据粒子群内每个粒子的初始位置和初始速度计算每个粒子的位置适应度，使用每个粒子的所述位置适应度更新每个粒子的个体最优位置；全局最优位置选择模块，用于利用每个粒子的所述位置适应度更新预构建的全局最优位置网格集，根据预设的全局最优位置选择规则，从所述全局最优位置网格集内选择得到每个粒子的全局最优位置；位置适应度更新模块，用于统计所述个体最优位置更新的更新次数，若所述更新次数小于预设更新阈值，根据所述更新次数求解每个粒子的惯性权重和学习因子，根据所述惯性权重和所述学习因子计算得到所述粒子群内每个粒子的更新位置和更新速度，根据每个粒子的所述更新位置和所述更新速度重新计算每个粒子的位置适应度，并返回个体最优位置更新步骤；更新次数判断模块，用于若所述更新次数大于等于所述预设更新阈值，输出得到的所述粒子群内每个粒子的个体最优位置和全局最优位置。为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：存储器，存储至少一个指令；及处理器，执行所述存储器中存储的指令以实现上述所述的粒子群的位置搜索方法。为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的粒子群的位置搜索方法。本专利技术通过采用预设的全局最优位置选择规则，从全局最优位置网格集内选择得到粒子群内每个粒子的全局最优位置，因为全局最优位置网本文档来自技高网...

【技术保护点】
1.一种粒子群的位置搜索方法，其特征在于，所述方法包括：/n位置适应度计算步骤：根据粒子群内每个粒子的初始位置和初始速度计算每个粒子的位置适应度；/n个体最优位置更新步骤：使用每个粒子的所述位置适应度更新每个粒子的个体最优位置；/n全局最优位置选择步骤：利用每个粒子的所述位置适应度更新预构建的全局最优位置网格集，根据预设的全局最优位置选择规则，从所述全局最优位置网格集内选择得到每个粒子的全局最优位置；/n惯性权重及学习因子计算步骤：统计所述个体最优位置更新的更新次数，若所述更新次数小于预设更新阈值，根据所述更新次数求解每个粒子的惯性权重和学习因子；/n位置适应度更新步骤：根据所述惯性权重和所述学习因子计算得到所述粒子群内每个粒子的更新位置和更新速度，根据每个粒子的所述更新位置和所述更新速度重新计算每个粒子的位置适应度，并返回个体最优位置更新步骤；/n更新次数判断步骤：若所述更新次数大于等于所述预设更新阈值，输出得到的所述粒子群内每个粒子的个体最优位置和全局最优位置。/n

【技术特征摘要】
1.一种粒子群的位置搜索方法，其特征在于，所述方法包括：
位置适应度计算步骤：根据粒子群内每个粒子的初始位置和初始速度计算每个粒子的位置适应度；
个体最优位置更新步骤：使用每个粒子的所述位置适应度更新每个粒子的个体最优位置；
全局最优位置选择步骤：利用每个粒子的所述位置适应度更新预构建的全局最优位置网格集，根据预设的全局最优位置选择规则，从所述全局最优位置网格集内选择得到每个粒子的全局最优位置；
惯性权重及学习因子计算步骤：统计所述个体最优位置更新的更新次数，若所述更新次数小于预设更新阈值，根据所述更新次数求解每个粒子的惯性权重和学习因子；
位置适应度更新步骤：根据所述惯性权重和所述学习因子计算得到所述粒子群内每个粒子的更新位置和更新速度，根据每个粒子的所述更新位置和所述更新速度重新计算每个粒子的位置适应度，并返回个体最优位置更新步骤；
更新次数判断步骤：若所述更新次数大于等于所述预设更新阈值，输出得到的所述粒子群内每个粒子的个体最优位置和全局最优位置。


2.根据权利要求1所述的粒子群的位置搜索方法，其特征在于，所述使用每个粒子的所述位置适应度更新每个粒子的个体最优位置，包括：
判断每个粒子的所述位置适应度与每个粒子预存储的个体最优位置的支配关系；
若所述位置适应度支配预存储的所述个体最优位置，则将所述位置适应度替代预存储的所述个体最优位置；
若预存储的所述个体最优位置支配所述位置适应度，则保持每个粒子预存储的个体最优位置不变；
若所述位置适应度与预存储的所述个体最优位置不存在支配关系，则随机选择所述位置适应度或预存储的所述个体最优位置作为每个粒子的个体最优位置。


3.根据权利要求2所述的粒子群的位置搜索方法，其特征在于，所述判断每个粒子的所述位置适应度与每个粒子预存储的个体最优位置的支配关系，包括：
采用如下支配关系判断公式判断每个粒子的所述位置适应度与每个粒子预存储的个体最优位置的支配关系：






其中，fi()表示预构建的支配关系判断公式，i∈1,2,…,n是所述fi()的分量表示，表示所述粒子群内第k个粒子的位置适应度，a表示所述位置适应度，表示所述粒子群内第k个粒子的预存储的所述个体最优位置，b表示所述个体最优位置。


4.根据权利要求1所述的粒子群的位置搜索方法，其特征在于，所述利用每个粒子的所述位置适应度更新预构建的全局最优位置网格集，包括：
寻找每个粒子的所述位置适应度在所述全局最优位置网格集内对应的分全局最优位置集；
判断每个粒子的所述位置适应度与对应的所述分全局最优位置集的支配关系得到支配关系判断结果；
根据所述支配关系判断结果更新所述分全局最优位置集，得到更新后的全局最优位置网格集。


5.根据权利要求4所述的粒子群的位置搜索方法，其特征在于，所述根据所述支配关系判断结果更新所述分全局最优位置集，包括：
若所述分全局最优位置集为空集，则将所述位置适应度直接存入至所述分全局最优位置集内；...

【专利技术属性】
技术研发人员：段明雪，汪树岩，胡芳琴，
申请(专利权)人：中移杭州信息技术有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：浙江;33