【技术实现步骤摘要】
本专利技术涉及，属于智能优化算法领域。
技术介绍
引力搜索算法是一种近年来提出的用于解决优化问题的启发式算法，和其他现有的著名启发式优化算法相比较，引力搜索算法具有更好的全局搜索能力和更快的收敛能力。其根本思想是基于牛顿的万有引力定律:“在宇宙间，每一个粒子由于万有引力的作用而彼此相互吸引，引力的大小与粒子的质量成正比，与他们之间的距离成反比”。引力搜索算法具有优化性能高、结构简单、设定参数少等优点，目前已在函数优化、系统参数辨识、石油需求预测等领域得到了一定的应用。引力搜索算法中惯性质量大的粒子会产生更广的吸引范围和更大的吸引力，更易吸引其他粒子，使其他粒子向其本身靠近，而惯性质量最大的粒子位置即代表目标函数最优解，在当粒子运动到最优解或者最优解附近时，粒子的速度不断加快(根据万有引力公式，引力的大小是与距离成反比关系)，当到达最优解或接近最优解时，粒子的速度可能会很大(存在随机性)，根据运动学规律可知，这种情况会导致粒子在最优解的附近反复来回震荡，无法定位至最优解，从而导致整个优化算法搜索精度不高，同时出现早熟收敛的现象。针对上述问题，很多学者提出了解决方法，主要的研究包括:仿效粒子群算法的特点，增加了粒子的记忆和社会信息共享能力，并且增加惯性质量权值来提高引力搜索算法的整体优化性能；通过加入自适应变异操作来避免引力搜索算法陷入局部最优；通过引入自适应最大速度来约束粒子速度，使得改进的算法能够获得更优解。虽然这些改进的算法都在一定程度上降低了引力搜索算法陷入局部最优的可能性，但依旧未能解决早熟收敛的问题。
技术实现思路
针对以上技术的不足，本...
【技术保护点】
一种对引力搜索算法中种群多样性改进的方法，其特征在于：在使用引力搜索算法进行寻优搜索的每一次迭代过程中，计算粒子种群多样性。当种群多样性大于最大阈值时，粒子向当前最优位置和自身历史最优位置靠近，粒子彼此间执行细菌趋化过程中的吸引操作，以增加局部寻优能力；当种群多样性小于最小阈值时，粒子逃离当前最差位置和自身历史最差位置，粒子彼此间执行细菌趋化过程中的排斥操作，以增加种群多样性；当种群多样性介于多样性最大阈值和最小阈值之间时，采用引力搜索算法中的原速度更新公式。
【技术特征摘要】
1.一种对引力搜索算法中种群多样性改进的方法，其特征在于:在使用引力搜索算法进行寻优搜索的每一次迭代过程中，计算粒子种群多样性。当种群多样性大于最大阈值时，粒子向当前最优位置和自身历史最优位置靠近，粒子彼此间执行细菌趋化过程中的吸引操作，以增加局部寻优能力；当种群多样性小于最小...
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。