[发明专利]一种多参数优化方法

权利要求书

1.一种多参数优化方法，其特征在于，包括：

S1，获取钢铁轧制的控制参数，所述控制参数包括：温度和压力，温度和压力的数值为粒子的位置坐标；初始化种群中每个粒子的位置和迭代次数，所述粒子处于多维空间中，粒子每个维度对应一个待求解的参数；

S2，计算每个粒子对目标函数的适应度值，根据计算得到的每个粒子对目标函数的适应度值，更新每个粒子的历史最优位置和种群的最优位置，利用正交算法对每个粒子的历史最优位置与种群的最优位置进行正交计算，得到每个粒子的学习向量，并根据每个粒子的位置及学习向量确定下一代粒子的位置，迭代次数加1；

S3，判断是否进行反向学习，若进行反向学习，则将每个粒子反向得到反向粒子，判断反向粒子对目标函数的适应度值是否大于原粒子对目标函数的适应度值，若大于原粒子对目标函数的适应度值，则利用反向粒子替换原粒子；

S4，检查是否满足预设的迭代结束条件，若满足预设的迭代结束条件，则输出结果；否则，则返回S2继续执行；

其中，所述S1包括：

S11，对待求解的多参数进行预处理，根据预处理结果，创建数学模型，并根据创建的数学模型，确定目标函数；其中，所述预处理包括：归一化处理，所述目标函数用于计算适应度值；

S12，在搜索空间中随机产生均匀分布的种群，记录种群中每个粒子的坐标向量，得到种群中每个粒子的位置；

S13，设置种群粒子的惯性系数、学习向量的学习系数，迭代次数初始值；

S14，设置迭代结束条件；

其中，所述S2包括：

S21，根据目标函数计算每个粒子的适应度值，将计算得到的适应度值与所述粒子的历史最优适应度值进行比较，若计算得到的适应度值优于历史最优适应度值，则用所述粒子的位置更新所述粒子的历史最优位置，并用所述粒子的适应度值更新所述粒子的历史最优适应度值；

S22，根据更新后的每个粒子的历史最优适应度值，获取适应度值最优的粒子的位置作为种群的最优位置；

S23，利用正交算法对每个粒子的历史最优位置与种群的最优位置进行正交计算，得到每个粒子的学习向量；

S24，根据种群粒子的惯性系数、学习向量的学习系数、每个粒子的当前位置及学习向量确定下一代粒子的位置；

S25，将迭代次数加1；

其中，所述S24包括：

通过第二公式，确定下一代粒子的位置，所述第二公式表示为：

X_i+1＝a*X_i+β*X_learni

其中，α表示种群粒子的惯性系数，β表示学习向量的学习系数，X_i表示第i次迭代中粒子的位置，X_learni表示第i个粒子的学习向量，X_i+1表示第i+1次迭代中粒子的位置；

其中，所述S3包括：

S31，生成一个随机数，若随机数小于预设的第一阈值，则跳过S32，否则，则执行S32；

S32，将每个粒子反向得到反向粒子，计算反向粒子对目标函数的适应度值，判断反向粒子对目标函数的适应度值是否大于原粒子对目标函数的适应度值，若大于原粒子对目标函数的适应度值，则利用反向粒子替换原粒子；若不大于原粒子对目标函数的适应度值，则丢弃反向粒子；

其中，所述位置为向量；

所述将每个粒子反向得到反向粒子包括：

对粒子位置向量的每一个维度，取搜索空间在相应维度的中点为对称中心，则反向值为粒子原位置向量在相应维度关于对称中心的对称值；

将粒子位置向量的每个维度都取相应的对称值，得到所述粒子位置向量的反向向量；

根据所述粒子位置向量的反向向量，得到反向粒子；

其中，所述S4包括：

判断当前次迭代和上一次迭代得到的种群最优位置之间的差值是否小于预设的第二阈值；

若小于预设的第二阈值，则输出当前种群最优位置作为待求解的多参数的最优解，算法结束；

若不小于预设的第二阈值，则返回S2继续执行。