【技术实现步骤摘要】
一种基于自适应初温设置的模拟退火粒子群算法
[0001]本专利技术属于智能优化算法
，具体涉及一种改进的粒子群算法。
技术介绍
[0002]粒子群算法(PSO)最早由Kennedy等提出，它源于鸟群觅食过程的信息共享。粒子群算法作为一种群体智能优化算法，具有算法简单，控制参数较少，编程易于实现等优势，在众多优化问题处理上卓有成效，包括图像去噪处理、无线传感器定位、神经网络训练、资源分配与调度、地球物理反演等。
[0003]PSO的新解产生与更新受到个体最优位置和群体最优位置的影响，即粒子自身的最优解和群体的极值点将引导粒子(潜在解)不断调整运行方向和运动速度，从而完成整个解空间的最优解搜索。然而，常规PSO存在不成熟收敛、易陷入局部极值等问题，其主要原因是群体最优粒子选择不当或缺乏多样性。目前，除针对PSO本身进行改进外，将其他智能算法与PSO有机融合，是提高种群多样性、改善寻优能力的有效途径，然而，其他算法的引入势必增加控制参数，而人为设置参数的不确定性易产生误差，从而限制算法的可靠性。
技术实现思路
...
【技术保护点】
【技术特征摘要】
1.一种基于自适应初温设置的模拟退火粒子群算法，其特征在于，包括如下步骤：步骤1，设置基本优化参数及初始化粒子位置和速度；步骤2，根据初始粒子位置计算初始温度；步骤3，计算各粒子的择优适应度值，进而计算各粒子的择优概率；步骤4，依据择优概率选择群体最优粒子，更新粒子的速度和位置；步骤5，降低温度，重复步骤3至4，直至达到最大迭代次数，输出当前群体最优粒子。2.根据权利要求1所述基于自适应初温设置的模拟退火粒子群算法，其特征在于，步骤1中的基本优化参数包括惯性系数、学习因子、粒子数、衰减系数和最大迭代次数。3.根据权利要求1所述基于自适应初温设置的模拟退火粒子群算法，其特征在于，步骤2所述的计算初始温度的表达式为：其中，m
o
为初始粒子位置，为初始粒子的最优位置，E为能量值，k为粒子个数，T
o
为初始温度。4.根据权利要求1所述基于自适应初温设置的模拟退火粒子群算法，其特征在于，步骤3各粒子的择优适应度值F
i
(m
i
,m
g
,T)根据广义Boltamann
‑
Gibbs准则确定：各粒子的择优概率的计算公式如下：其中，E为能量值；P
gi
...
【专利技术属性】
技术研发人员：田一茜，沈涛，郭强，刘欣欣，王东，蔡子豪，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：
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。