[发明专利]一种基于随机漂移粒子群优化算法的动态环境优化方法

权利要求书

1.一种基于随机漂移粒子群优化算法求解动态环境优化问题的方法，其特征在于，所述方法包括：先初始化粒子群，然后算法进入如下迭代过程：(1)用分层聚类将初始化粒子群分成若干子群，并根据子群与子群间的距离合并成较大的子群；(2)更新所有子群粒子的速度和位置；(3)对子群进行重叠检测、拥挤检测和收敛性检测；(4)对粒子群进行环境变化检测，若环境发生变化，则产生新的初始粒子群。

2.根据权利要求1所述的方法，其特征在于，所述方法具体包括：

(1)用分层聚类将初始化粒子群分成若干子群：初始化粒子群，然后通过分层聚类策略将粒子群分成若干子群，即初始时，粒子群中的每一个粒子都是一个聚类子群，随着子群的逐步搜索，这些聚类子群的中心会慢慢的靠拢，然后根据子群与子群之间的距离将这些子群合并为较大的子群；

(2)更新所有子群粒子的速度和位置：由分层聚类策略产生的子群根据速度更新公式和位置更新公式更新当前粒子的速度和位置；

(3)计算粒子的适应值，评估并选取最优粒子：根据更新后的粒子速度和位置计算粒子的适应值，并由适应值的大小评估并选取最优粒子；

(4)对子群进行重叠检测、拥挤检测和收敛性检测：重叠检测就是计算两个子群的重叠半径，若大于默认值0.7则合并两个子群；拥挤检测就是若子群粒子数大于最大子群粒子数则删除子群中粒子适应值最差的粒子；收敛性检测就是若子群的搜索半径小于阈值半径，则移除子群；

(5)对整个粒子群进行环境变化检测：重新评估所有子群中的最好粒子，若最好粒子的位置改变了，则认为环境发生变化，一旦环境发生变化，则产生新的初始粒子群，返回(1)继续进行计算；否则，执行步骤(6)；

(6)判断是否满足迭代终止条件。

3.根据权利要求1所述的方法，其特征在于，所述步骤(1)中子群与子群间的距离的计算公式为：其中，d(i,j)为子群r中粒子i与子群s中粒子j之间的距离，i为子群r中的任意一个粒子，j为子群s中的任意一个粒子，D为维数，为粒子i的位置，为粒子j的位置。

4.根据权利要求1所述的方法，其特征在于，所述步骤(2)是指根据速度更新公式和位置更新公式进行更新；所述速度更新公式为其中，为第t+1次迭代粒子i的速度，t为迭代次数，i为第i个粒子，j为第j维空间，α为压缩膨胀系数，β为漂移系数，为正态随机分布函数，为第t次迭代的第i个粒子的最好位置，为第t次迭代，第i个粒子的当前位移，为平均最好位置，即其中，N是种群大小；所述位置更新公式为其中，为第t+1次迭代粒子i的位置，t为迭代次数，i为第i个粒子，j为第j维空间，为第t次迭代粒子i的位置，为第t+1次迭代粒子i的速度。

5.根据权利要求4所述的方法，其特征在于，所述压缩膨胀系数α和漂移系数β为静态参数，为以下任意一种组合：α＝0.7、β＝1.7或者是α＝1.3、β＝2.2或者是α＝1.3β＝2.5。

6.根据权利要求4所述的方法，其特征在于，所述压缩膨胀系数α和漂移系数β为随机函数，为以下任意一种组合：α∈(0,1)且β∈(0,1)，或者是α∈(0,1)β∈(0,2)。

7.根据权利要求1所述的方法，其特征在于，所述步骤(2)还包括根据更新后的粒子速度和位置计算粒子的适应值，并由适应值的大小评估并选取最优粒子，所述计算粒子的适应值的公式如下：其中，x为解向量，t为迭代系数；H_i(t)和W_i(t)为第t次环境中峰i的高度和宽度；X_ij(t)为第t次环境中峰i的第j个元素的坐标；x_j(t)为第j个元素的位置；D为维数。

8.根据权利要求1所述的方法，其特征在于，所述步骤(3)的重叠检测是指计算两个子群的重叠半径，若大于默认值则合并两个子群；所述拥挤检测是指若子群粒子数大于最大子群粒子数则删除子群中粒子适应值最差的粒子；所述收敛性检测是指若子群的搜索半径小于阈值半径，则移除子群。

9.根据权利要求8所述的方法，其特征在于，所述重叠检测中的默认值设置为0.7，所述拥挤检测的最大子群粒子数设定为3，所述阈值半径设定为0.0001。

10.根据权利要求1所述的方法，其特征在于，所述方法利用了一种新型的离线性能指标：其中，fit_i是第j次环境变化之前最优解适应值，F_i是第i次环境变化的最佳值，N是环境变化总数，T是运行的次数。