一种基于并行增强搜索粒子群优化算法的计算方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110334797A(43)申请公布日2019.10.15(21)申请号201910588283.9(22)申请日2019.06.28(71)申请人广州番禺职业技术学院地址510000广东省广州市番禺区沙湾镇青山湖(72)发明人杨震伦(74)专利代理机构广州三环专利商标代理有限公司44202代理人颜希文麦小婵(51)Int.Cl.G06N3/00(2006.01)G06F17/50(2006.01)权利要求书2页说明书7页附图2页(54)发明名称一种基于并行增强搜索粒子群优化算法的计算方法及系统(57)摘要本发明公开了一种基于并行增强搜索粒子群优化算法的计算方法及系统，该方法包括：获取待优化目标问题的函数模型；利用粒子群算法对所述函数模型进行全局搜索，同时，运行辅助算法对粒子群算法中的粒子以及粒子的个体最优位置pbest进行选择性更新；当所述粒子群算法达到最大的迭代次数时，根据最终代粒子群搜索到的最优解的相应变量值对所述待优化目标问题的参数进行对应设置，以获得所述待优化目标问题的解决方案。本发明通过采用两类算法并行运行的方式，以粒子群算法为主并以其他辅助算法作为补充，在充分保留粒子群算法快速收敛的能力的同时增强了算法的全局搜索能力，从而快速准确地计算出相应的控制变量以实现对目标问题的最优化求解要求。CN110334797ACN110334797A权利要求书1/2页1.一种基于并行增强搜索粒子群优化算法的计算方法，其特征在于，包括：获取待优化目标问题的函数模型；利用粒子群算法对所述函数模型进行全局搜索，同时，运行辅助算法对粒子群算法中的粒子以及粒子的个体最优位置pbest进行选择性更新；当所述粒子群算法达到最大的迭代次数时，根据最终代粒子群搜索到的最优解的相应变量值对所述待优化目标问题的参数进行对应设置，以获得所述待优化目标问题的解决方案。2.如权利要求1所述的基于并行增强搜索粒子群优化算法的计算方法，其特征在于，所述运行辅助算法对粒子群算法中的粒子以及粒子的个体最优位置pbest进行选择性更新，具体的：利用辅助算法对第t代粒子以及第t代之前的H-1代粒子进行聚类并生成新个体，得到第t+1代备选粒子，并计算粒子的目标函数值；根据预设的第一概率在所述第t+1代备选粒子中选择出替换粒子对第t+1代粒子进行替换，以对所述第t+1代粒子进行更新；根据预设的第二概率在所述第t+1代备选粒子中选择出若干比较粒子，根据目标函数值依次判断所述比较粒子是否优于所述第t+1代粒子的个体最优位置pbest；若是，则将所述比较粒子替换对应的第t+1代粒子的个体最优位置pbest，以对所述第t+1代粒子的个体最优位置pbest进行更新。3.如权利要求2所述的基于并行增强搜索粒子群优化算法的计算方法，其特征在于，所述利用辅助算法对第t代粒子以及第t代之前的H-1代粒子进行聚类并生成新个体，得到第t+1代备选粒子，具体的：根据欧几里得距离在搜索空间内对第t代粒子以及第t代之前的H-1代粒子进行聚类，得到若干个粒子类别；以预设的选择概率从不同粒子类别中随机选取个体，并基于这些个体采用辅助算法的算子生成新的个体；重复执行上述步骤，得到所述第t+1代备选粒子。4.如权利要求3所述的基于并行增强搜索粒子群优化算法的计算方法，其特征在于，所述辅助算法包括差分进化算法和遗传算法；所述辅助算法的算子包括差分进化算子、交叉算子和变异算子。5.一种基于并行增强搜索粒子群优化算法的计算系统，其特征在于，包括模型获取模块、算法寻优模块、解决方案生成模块；所述模型获取模块，用于获取待优化目标问题的函数模型；所述算法寻优模块，用于利用粒子群算法对所述函数模型进行全局搜索，同时，运行辅助算法对粒子群算法中的粒子以及粒子的个体最优位置pbest进行选择性更新；所述解决方案生成模块，用于当所述粒子群算法达到最大的迭代次数时，根据最终代粒子群搜索到的最优解的相应变量值对所述待优化目标问题的参数进行对应设置，以获得所述待优化目标问题的解决方案。6.如权利要求5所述的基于并行增强搜索粒子群优化算法的计算系统，其特征在于，所述算法寻优模块包括粒子常规更新单元、备选粒子计算单元、粒子更新单元、最优位置比较2CN110334797A权利要求书2/2页单元和最优位置更新单元；所述粒子常规更新单元，用于根据粒子群算法的粒子位置更新公式进行计算得到每个粒子在当前运行代数下的新位置矢量，对所述新位置矢量的目标函数值进行计算，并根据目标函数值的优劣以对每个粒子的个体最优位置和种群最优位置进行更新；所述备选粒子计算单元，用于利用辅助算法对第t代粒子以及第t代之前的H-1代粒子进行聚类并生成新个体，得到第t+1代备选粒子，并计算粒子的目标