基于飞行时间线性递减的粒子群优化方法技术

本发明专利技术公开了一种基于飞行时间单调递减的粒子群优化方法，该方法减少了粒子在飞行过程中产生的震荡现象，提高了方法的收敛速度。传统的粒子群优化方法，都很难解决粒子的震荡问题，从而影响了方法的寻优效率，针对这样的问题，本方法根据在方法起始阶段，由于粒子距离最优位置较远，粒子要想更快地到达最优位置则飞行时间应长些，反之短些，由此引入了时间参数T来调节粒子在不同阶段飞行的时间，最终达到了有效减少震荡现象，提高收敛速度的效果。

【技术实现步骤摘要】

【技术保护点】
一种改进飞行时间的粒子群优化方法。粒子每次更新自己的位置信息时，采用的飞行时间根据迭代次数在(0,1)之间线性递减，然后通过群体中个体之间的协作和信息共享来寻找最优解；基于飞行时间线性递减的粒子群优化方法的具体实施步骤如下：(1)随机初始化种群中各粒子的位置xij(0)和速度vij(0)；(2)计算每个粒子的适应度。将当前粒子的位置和适应值存储在各粒子的pbestij中，将所有pbestij中适应值最优个体的位置和适应值存储在gbestij中；(3)根据更新粒子的飞行时间；其中T为粒子飞行所用的时间，区域为（0,1），Tmax为粒子飞行的最长时间，Tmin为粒子飞行所用的最短时间，t为方法的当前迭代次数，itmax为粒子的最大迭代次数；(4)根据xij(t+1)＝xij(t)+vij(t+1)*Tt，更新粒子的速度；(5)根据vij(t+1)＝w*vij(t)+c1r1(pi?xij(t))+c2r2(pg?xij(t))，更新粒子的位移；其中i＝1,2,…,m;j＝1,2,…,D；t为方法的当前迭代次数，c1和c2为加速常数，r1和r2为[0,1]上的随机数，w为惯性权重；c1表示粒子自身经验的认知能力，调节粒子飞向自身位置方向的前进步长；c2表示位子社会经验的认知能力，调节粒子向全局最好位置前进的步长；惯性因子w，控制着前一速度对当前速度的影响，它可以对方法的全局搜索能力和局部搜索能力进行调节，w值越大，全局寻优能力越强，局部寻优能力越弱；否则，局部寻优能力越强，全局寻优能力越弱；(6)对每个粒子，计算其当前位置适应值pbestij；(7)比较当前所有粒子的适应值pbestij和其经历过的最好位置适应值gbestij的值，更新gbestij；(8)当t大于最大的迭代次数或结果小于误差精度时，搜索停止，将群体历史最优位置的参数值作为最优解的参数，输出结果，否则返回到步骤(3)继续搜索。FDA00003606293300011.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：周宁宁，林伟民，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：