[发明专利]一种基于加权聚合的最小中心粒子群优化方法

权利要求书

1.一种基于加权聚合的最小中心粒子群优化方法，其特征在于：包括以下步骤：

步骤S1：初始化：对粒子群算法进行初始化，选取0.1％≤c₁≤1.5％，0.5％≤c₂≤2.5％，且c₁<c₂，作为参数的取值范围；并将粒子数设置为100，迭代次数为500；

步骤S2：域约束：在给定的范围内求最优解，域约束表示如下：

粒子的取值上限为b＝[1.5；2.5]；粒子的取值下限为a＝[0.1；0.5]；

并设置权重的变化频率F＝100；

步骤S3：设置粒子的位置和速度；

步骤S4：进入主程序粒子群优化：针对当前粒子的位置算出一个最小中心，在这个中心上每个函数取值最小，然后算出每个粒子离这个中心的距离，则离中心最近的点即为全局最优位置，再根据粒子群算法的公式进行迭代。

2.根据权利要求1所述的一种基于加权聚合的最小中心粒子群优化方法，其特征在于：所述步骤S4具体为：

步骤S41：首先初始化粒子群，种群的大小为N，随机初始化每个粒子的x_i，v_i；

步骤S42：分别计算各个子目标的函数值；

步骤S43：目标函数中加入惩罚函数后，计算粒子的适应度；

步骤S44：计算粒子个体以及全局历史最佳的P_i和P_g；

步骤S45：运用适应度函数值来进行对比，选择新的最佳；

步骤S46：按照下述公式更新粒子位置和速度：

v_i(d+1)＝wv_i(d)+c₁r₁(p_i(d)-x_i(d))+c₂r₂(p_g(d)-x_i(d))x_i(d+1)＝x_i(d)+v_i(d+1)；

如果粒子某一维超过边界，那么就需要重新随机初始化这一维数据；

步骤S47：对当前粒子群中的非劣解进行筛选，并把其加入到精英集，并且去除精英集合中存在的劣解；

步骤S48：验证是否满足终止条件，如果满足就退出，否则就返回步骤S42。