[发明专利]一种基于工业自动化的三维视觉信息融合优化算法

权利要求书

1.一种基于工业自动化的三维视觉信息融合优化算法，其特征在于，所述方法包括下列步骤：

1)对粒子群和迭代次数进行初始化，得到具有分层结构的粒子群；

2)根据粒子群内部的层次关系，对粒子群中的当前层次进行寻优，得到当前层次下的全局最优值和每个粒子的历史最优值；

3)判断是否粒子群的所有层次都完成了寻优，若是则更新迭代次数并进入步骤4)，若否则进入到下一层次并返回步骤2)；

4)判断迭代次数是否达到迭代阈值，若是则输出所有层次下每个粒子的历史最优值，作为优化后的粒子群，若否则返回步骤2)。

2.根据权利要求1所述的基于工业自动化的三维视觉信息融合优化算法，其特征在于，所述步骤1)包括：

11)初始化粒子群中的所有粒子的速度和位置向量，同时初始化迭代次数；

12)根据食物网结构，通过随机分组将粒子群中的所有粒子进行分层，并确保每个层次内包含多个子种群。

3.根据权利要求2所述的基于工业自动化的三维视觉信息融合优化算法，其特征在于，所述步骤2)包括：

21)根据粒子群内部的层次关系，对当前层次中的当前子种群进行寻优，得到当前子种群的全局最优值以及当前子种群中每个粒子的历史最优值；

22)判断是否当前层次中的所有子种群都完成了寻优，若是则进入步骤3)，若否则进入到下一子种群并返回步骤21)。

4.根据权利要求3所述的基于工业自动化的三维视觉信息融合优化算法，其特征在于，所述步骤21)包括：

211)根据粒子群内部的层次关系以及当前层次中子种群之间的关系，计算得到当前子种群中所有粒子的速度向量和位置向量；

212)根据粒子本身的随机运动，以及步骤211)中粒子的位置向量，对粒子进行概率化搜索，计算得到当前子种群中所有粒子在概率化搜索后的位置向量；

213)根据步骤211)得到的速度向量和步骤212)中的位置向量，计算当前子种群中所有粒子的适应度值；

214)根据步骤213)得到的适应度值，更新当前子种群的全局最优值以及当前子种群中每个粒子的历史最优值。

5.根据权利要求4所述的基于工业自动化的三维视觉信息融合优化算法，其特征在于，所述步骤211)中当前子种群中所有粒子的速度向量和位置向量具体为：

X_id(t+1)＝X_id(t)+V_id(t+1)

其中，V为速度向量，X为位置向量，i为当前子种群，d为当前子种群中的当前粒子，t为迭代次数，λ为相关系数，N_K为第K层所有子种群的集合，为常数，为服从0到之间均匀分布的随机数生成器，P_jd为第j个子种群的全局最优解。

6.根据权利要求4所述的基于工业自动化的三维视觉信息融合优化算法，其特征在于，所述步骤212)中当前子种群中所有粒子在概率化搜索后的位置向量具体为：

X′_id(t)＝X_id(t)+0.5×frange×G(0,1)

frange=Σj∈NK|Pjd-Bid||NK|]]>

其中，X′_id(t)为概率化搜索后的位置向量，i为原有的位置向量，G(0,1)为服从正态分布的随机数生成器，N_K为第K层所有子种群的集合，K为当前粒子所在层次的下一层次，P_j＝(P_j1,P_j2,…,P_jD)为第j个子种群的全局最优解，B_i＝(B_i1,B_i2,…,B_iD)为第i个粒子的历史最优解。