【技术实现步骤摘要】
本专利技术基于优化理论，在基本粒子群优化的基础上提出一种具有可控速度因子的改进粒子群算法。在不同速度调控策略下优选具有最佳变速特性的寻优轨迹。通过采用可控的寻优速度因子，粒子群优化性能得到明显改进，特别是采用完全控制策略，不仅可获得较高的优化精度，而且收敛速度更快，表现出更好的综合性能。该计算方法为解决许多领域中涉及的多变量优化问题奠定了基础。
技术介绍
基本粒子群优化(BPSO)算法是一种全局优化算法，源于对鸟类群体捕食行为的模拟[1]，在许多学科领域中获得应用，用于解决其中面临的大量非线性、不可微和多峰值的多变量优化问题[2-3]。然而，对于解决多峰值函数及多变量优化问题，BPSO算法在进化后期收敛速度较慢，且有时会出现搜索粒子在全局最优解附近“振荡”的现象。为此，SHI等[4]提出更新粒子速度时速度加权因子w沿线性下降的办法，结果显示算法性能未得到明显改进，计算代价却增加较多。此外还有通过采用模糊规则动态修改w，使算法自适应地调整全局系数，试图兼顾搜索效率和精度[5]。但对许多复杂的非线性优化问题，试图通过调整一个全局系数来提高搜索精度是不够的，有必要在速度调控策略、寻优轨迹及寻优效率等方面进一步提高粒子群算法的收敛精度以及运算效率。
技术实现思路
本专利技术的目的是为了解决上述问题，开发了一种可控加速性能的改进粒子群优化技术。实现上述目的本专利技术的技术方案为，一种可控加速性能的改进粒子群优化技术，其特征在于，该方法包括如下步骤：1)群粒子搜索速度更新扩展建模；2)三种速度更新模式的定义；3)群粒子变速寻优轨迹建立；4)完全可控粒子群优化的代数学原理...
【技术保护点】
一种可控加速性能的改进粒子群优化技术，其特征在于，该方法包括如下步骤：1)群粒子搜索速度更新扩展建模；2)三种速度更新模式的定义；3)群粒子变速寻优轨迹建立；4)完全可控粒子群优化的代数学原理分析；5)完全可控粒子群优化的动力学原理分析。
【技术特征摘要】
1.一种可控加速性能的改进粒子群优化技术，其特征在于，该方法包括如下步骤：1)群粒子搜索速度更新扩展建模；2)三种速度更新模式的定义；3)群粒子变速寻优轨迹建立；4)完全可控粒子群优化的代数学原理分析；5)完全可控粒子群优化的动力学原理分析。2.根据权利要求1所述的一种可控加速性能的改进粒子群优化技术，其特征在于，所述群粒子搜索速度更新扩展建模计算式为：vi＝wi×vi-1+c1×αi×(pbest,i-1-ppresent,i-1)+c2×βi×(gbest,i-1-ppresent,i-1),i＝1,2,L,N.式中pbest为个体极值，即单个粒子所捕捉到的最优解。gbest为全局极值，即整个粒子群所搜索到的最优解。ppresent为粒子的搜索速度与当前位置向玲。wi为第i次学习的速度加权，且有wi∈[wmin,wmax]。v为粒子的搜索速度向量。c1与c2均为方向系数，αi与βi为单个与全局变化的权因子，两个因子均为学习迭代数i的单调递减函数。N为整个进化次数。3.根据权利要求1所述的一种可控加速性能的改进粒子群优化技术，其特征在于，所述三种速度更新模式的定义计算式为： C R M : w i = 1 α i = r a n d β i = r a n d , P R M : w i = ...
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。