[发明专利]前馈网络的自适应动态协同粒子群优化方法

权利要求书

1.一种前馈网络的自适应动态协同粒子群优化方法，其特征在于，所述方法包括如下步骤：

步骤S1、对粒子进行初始化，并由目标函数，初始化子种群；

步骤S2、记录粒子个体极值p_i，每个子种群极值p_n，全局极值p_g；

步骤S3、以每个子种群p_n优劣给子种群排序，并确定子种群的协同粒子个数；

步骤S4、子种群中的粒子向其自身极值p_i和子种群极值p_n学习；

步骤S5、随机从其它子种群中选取协同粒子，协同粒子向其自身极值p_i和子种群极值p_n学习，并根据粒子优劣随时更新协同学习粒子的自身极值和其所在子种群的社会极值；同时每一代，粒子更新之后，重新确定每个种群的社会极值，再根据子种群中社会极值的优劣，对其重新排列，之后根据P_n的优劣把一部分子种群设为较优子种群，另一部分设为较差子种群；

步骤S6、根据步骤S4、步骤S5依次更新粒子信息之后，随机从较差子种群并且其子种群规模大于二的子种群中选取少于两个粒子，使其成为现在较优子种群中的一员；

步骤S7、满足所有停止条件，停止计算，否则转入步骤S2进行下一次迭代。

2.根据权利要求1所述的前馈网络的自适应动态协同粒子群优化方法，其特征在于：

步骤S1中，随机生成F个粒子，F为种群个数，每个粒子代表优化问题的一个可行解，再根据粒子适应值按降序排列；把排序后的粒子平均分配到m个子种群中；其中，第1个粒子分入第1个子种群中，第2个粒子分入第2个子种群，第m个粒子分入第m个子种群，第m+1个粒子分入第1个子种群，依次类推，直到将所有的粒子平均分入到m个子种群；

再采用动态协同模型进行粒子飞行；假设下标为i的粒子为第j个子种群中成员；采用子种群局部极值P_n作为粒子社会学习的对象；P_nj是第j个子种群内所有粒子经历过的最佳位置；这样，可以得到：

X′=X(Pi+Pnj)]]>

式中j=(1,2,...，m)，X′表示粒子X向P_i和P_nj飞行后的下一个位置；第j个子种群中的每个粒子在以P_nj为社会极值学习的同时，其它子种群中的部分粒子在P_nj的吸引下，成为第j个子种群的协同粒子，以P_nj为社会经验学习，实现子种群间粒子信息的交流；每个子种群的协同粒子个数以子种群总数m为基数依次递减，即：第一子种群的协同粒子个数为m，第二子种群的协同粒子个数为m-1，依次类推；

同时每一代，粒子更新之后，重新确定每个种群的社会极值，再根据子种群中社会极值的优劣，对其重新排列，之后根据P_n的优劣把一半子种群设为较优子种群，另一半设为较差子种群；较差子种群中的非社会极值粒子会受到较优子种群的吸引，而脱离该较差子种群成为较优子种群中的粒子；

为了保证种群能协同进化，每个子种群最少粒子个数不能小于2，当较差子种群的粒子个数均为2时，粒子不脱离较差子种群；同时为了保证整个种群学习的稳定性，每代脱离较差子种群总数不能超过两个粒子。