基于飞行时间线性递减的粒子群优化方法

摘要

本发明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。

主权项

1.一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x_ij(0)和速度v_ij(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pbest_ij中，将所有pbest_ij中适应值最优个体的位置和适应值存储在gbest_ij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），T_max为粒子飞行的最长时间，T_min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x_ij(t+1)＝x_ij(t)+v_ij(t+1)*T_t，更新粒子的速度；(5)根据v_ij(t+1)＝w*v_ij(t)+c₁r₁(p_i-x_ij(t))+c₂r₂(p_g-x_ij(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pbest_ij；(7)比较当前所有粒子的适应值pbest_ij和其经历过的最好位置适应值gbest_ij的值，更新gbest_ij；(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。