[发明专利]基于蚁群算法的功率电子电路优化方法

权利要求书

1.一种基于蚁群算法的功率电子电路优化方法，其特征在于，该方法包括以下步骤：

1)将功率电子电路中的每个元件取值离散化为一系列的标称值，并将这些值映射到一个蚁群算法优化功率电子电路的构造图中。

2)初始化每个节点的信息素为一个初始值τ_o，初始化N_P个蚂蚁用于搜索最佳的元件取值组合，设置循环次数G＝1。

3)让每只蚂蚁根据节点上的信息素大小依次为每个元件选取一个标称值，从而形成一条路径。在选择的过程中，信息素越大的节点被选择的概率就越高，相反信息素越小的节点被选择的机会越小。

4)当所有蚂蚁都构造完路径之后，将这些路径的元件取值代入电路中进行仿真，计算出输出电压的建立瞬态波形。根据一个评估函数Φ评估每个路径的结果，得到的函数值越大，证明该路径越好。

5)更新节点上的信息素。对于较好的m条路径上的节点的信息素进行加强，对其余路径上节点的信息素进行减弱。

6)对蚂蚁选择的历代最佳路径进行一个局部搜索更新。

7)G＝G+1，如果G＞G_max，其中G_max为最大迭代次数，则结束整个程序并输出最优的元件取值。否则，返回步骤3)。

2.基于权利要求1所述的一种基于蚁群算法的功率电子电路优化方法，其特征在于：所述步骤1)中的构造图中，每个元件都用一个列表表示，表中的每一个节点代表该元件的一个可能取得的标称值。其中每一个节点还被赋予了一定的信息素，用于指引蚂蚁的搜索。

3.基于权利要求1所述的一种基于蚁群算法的功率电子电路优化方法，其特征在于：所述步骤3)中，蚂蚁选择元件j的节点C_j[i]的概率为

Pji=τji/Σr=1N+1τjr]]>

其中τ_ji表示元件j的第i个节点上的信息素。N为该元件的节点总数，也就是可能取得的标称值数，在第N+1个节点中保存的是历代最优路径上的元件的取值，这使得最优值能对整个搜索产生更大的影响。

4.基于权利要求1所述的一种基于蚁群算法的功率电子电路优化方法，其特征在于：所述步骤5)中，信息素的更新方法为

对于较好的m条路径上的节点，更新公式为

τ_ji＝α×τ_ji+β×Δτ

其中，α为蒸发系数，β为控制信息素增加的系数，Δτ为信息素增加的单位值。对于最好的路径β＝m，第二好的路径β＝m-1，以此类推。

对于其余较差的路径，只对这些路径上节点的信息素进行蒸发

τ_ji＝α×τ_ji

设置节点上的信息素最小值为τ_min，当节点上的信息素降低到τ_min时，将不再对该节点进行信息素的蒸发。

5.基于权利要求1所述的一种基于蚁群算法的功率电子电路优化方法，其特征在于：所述步骤6)中，在对最优路径进行局部搜索时，将每个元件原来的取值改变为其搜索半径内的另一个标称值，其中对于最佳路径上的第i个元件，其搜索半径为R_i。

对新的路径进行评估。

若新的路径优于原路径，则用新的路径代替原最佳路径，并加大所有节点的搜索半径R_i＝R_i/shrink，其中shrink∈(0，1)为缩放系数。

若新的路径差于原路径，则保持原路径不变，并减小所有节点的搜索半径R_i＝R_i×shrink。