[发明专利]一种多种群自适应协作优化方法

权利要求书

1.一种多种群自适应协作优化方法，其特征在于，所述方法包括:

建立融合环形拓扑结构、全连接形拓扑结构和冯诺依曼拓扑结构的粒子群算法的协作网络模型；

采用所述协作网络模型初始化三种拓扑结构的多群落粒子；

计算每个粒子的位置和速度；

将冯诺依曼拓扑中的全局最优值广播至环形拓扑和全连接形拓扑，输出最优值；所述输出最优值，具体为：在冯诺依曼拓扑结构中,粒子每进化一次将当前迭代次数的全局最优值以广播的形式发送给环形拓扑和全连接形拓扑；

环形拓扑和全连接形拓扑分别将自身全局最优值与收到的冯诺依曼拓扑中的全局最优值进行比较；

若冯诺依曼拓扑的全局最优值优于自身全局最优值，则调整自身全局最优值对应的拓扑结构的进化规则；反之将信息反馈给冯诺依曼拓扑，调整冯诺依曼拓扑的进化规则；调整进化规则包括重新计算每个粒子的位置和速度；

若冯诺依曼拓扑的全局最优值与自身全局最优值相等，则执行输出流程，输出最优值。

2.根据权利要求1所述的多种群自适应协作优化方法，其特征在于，所述计算每个粒子的位置和速度采用公式：

式中，ω为惯性权重；c₁和c₂为加速常数；rand₁()和rand₂()为两个在[0，1]范围内变化的随机数；t表示迭代次数。

3.根据权利要求1所述的一种多种群自适应协作优化方法，其特征在于：所述协作网络模型的建立方法包括：

分析高维复杂问题求解过程中的粒子特点及标准粒子群算法；

建立环形拓扑结构、全连接形拓扑结构和冯诺依曼拓扑结构之间的数据连接；

结合三种拓扑结构的粒子群算法在解决高维复杂优化问题时的优点，设计多群落粒子广播-反馈的动态进化策略及进化方法。

4.根据权利要求3所述的一种多种群自适应协作优化方法，其特征在于：所述高维复杂优化问题表述为：

F(x)＝min/maxf(x_i),x_i∈[x_min,x_max](i＝1,2,K,D)。

5.根据权利要求1所述的一种多种群自适应协作优化方法，其特征在于：环形拓扑结构、全连接形拓扑结构和冯诺依曼拓扑结构并行执行获取全局最优值的步骤。