一种基于优胜劣汰、步步选择的粒子群优化方法

摘要

本发明公开了一种基于优胜劣汰、步步选择的粒子群优化方法，主要是在操作过程中将粒子分成两组，第一组的粒子是优势粒子，第二组的粒子是劣势粒子。先通过种群在全局范围内搜索解空间，增强全局搜索能力；每次进化完成后，保留种群中最好的m个粒子，并选择较好的这些粒子的位置空间作为新的解空间，在新的解空间中选取新的粒子代替种群中较差粒子的位置。这样就可以步步逼近最优粒子，找到最优解。该方法增强了粒子群优化算法的搜索能力，弥补了基本粒子群优化算法易陷入局部极值、早熟收敛或停滞的缺陷，能够更加准确、快速的找到待优化参数的最优值。

主权项

一种基于优胜劣汰、步步选择的粒子群优化方法，其特征在于，该方法包括以下步骤：步骤(1)、设置初始参数：设粒子群内有若干个粒子，随机产生各粒子的初始位置与初始速度，限定任意时刻粒子的速度和位置的取值范围，设定迭代终止条件，设置学习因子、惯性权重、粒子总个数；步骤(2)、迭代寻优，记录当前迭代步数，并以预测误差均方值的大小作为粒子适应度值，计算每个粒子的适应度值，对粒子适应度进行优劣评价，得出粒子优劣度；步骤(3)、按粒子优劣度大小排列函数，并将相应的粒子位置进行排序；步骤(4)、从粒子总个数为M个粒子群中选取并保留适应度较好的m个粒子，并将所述m个粒子的位置范围作为新的解空间，步骤(5)、在新的解空间内重新选择M‑m个粒子代替适应度较差的M‑m个粒子，构造出新的粒子群；步骤(6)、评价上述构造出的新的粒子群中的各粒子的适应度值，并据此更新各粒子的历史最优值及粒子群的全局最优值；按照式(1)更新粒子群中每个粒子的速度，按照式(2)更新粒子群中每个粒子位置；v_ij(t+1)＝w*v_ij(t)+c₁*r_1j(t)*(G_ij(t)‑P_ij(t))+c₂*r_2j(t)*(G_gi(t)‑P_ij(t))  (1)P_ij(t+1)＝P_ij(t)+0.5v_ij(t+1)  (2)式(1)和式(2)中：下标j：表示粒子的第j维；下标i：表示第i个粒子；P_i：第i个粒子的当前位置；v_i：粒子的当前速度；G_i：所经历的历史最好位置；t：进化到的代数；c₁、c₂：学习因子；r₁、r₂：在[0，1]范围内变化的随机常数；w：惯性权重，用于平衡粒子群算法的全局和局部搜索能力，决定粒子先前速度对现在速度的影响大小；步骤(7)、判断算法是否收敛，是否达到迭代终止条件，其中，以达到最大迭代步数或满足收敛精度要求为迭代终止条件，若达到迭代终止条件，迭代结束，并输出全局最优粒子的相关参数，否则返回步骤(2)继续迭代，直到满足迭代终止条件。