[发明专利]基于PSO-FWA的多约束路由计算方法

权利要求书

1.一种基于PSO-FWA的多约束路由计算方法，其特征在于，包括以下步骤：

S1，初始化包括N个粒子的粒子群，且初始化所述粒子群中的每个粒子的初始位置和初始速度；

S2，根据f(x)＝α*p(x)+g(x)计算每个所述粒子的适应度值；且对每个所述粒子经过的节点进行编码，将每个所述粒子到目标节点的编码作为一条寻优路径，其中，f(x)表示个体的适应度值，α表示调整惩罚函数p(x)和目标函数g(x)权重系数的参数，p(x)为惩罚函数，g(x)为目标函数；

S3，将每个所述粒子的当前适应度值与所述粒子的历史最好的适应度值比较：

若所述粒子当前的适应度值比所述粒子的历史最好的适应度值小，则将所述粒子pbest值更新为当前计算出的所述适应度值；否则，所述粒子的pbest值不变；

S4，将N个粒子当前最小的pbest值与所述N个粒子的历史最小的Gbest值进行比较：

若当前最小的pbest值比历史最小的Gbest值小，则将所述N个粒子的Gbest值更新为当前最小的pbest值，作为所述N个粒子的有效Gbest值，并进入到S5；

否则，所述N个粒子的Gbest值不变，返回S2；

S5，将所述粒子的有效Gbest值对应的节点位置作为烟花的位置进行爆炸；

S6，将烟花爆炸的位置节点作为出发点，利用公式

及

重新更新粒子的位置，其中，x_iD为第i个粒子的位置，v_iD为粒子的速度，c₁、c₂为学习因子，r₁、r₂为随机数，ω为惯性权重，上标k为该参数迭代的次数，每次进行迭代的参数的值依赖于上一次迭代获得的值，p_gD为粒子群最优的位置；

S7，计算更新后的粒子适应度值，并比较更新后的所述粒子的适应度值，确定更新后的所述粒子的有效Gbest值：

此时，若没有达到结束条件，则返回S2；

否则，所述方法结束；

其中，所述结束条件为最大迭代次数或所述粒子群中的最优解。