[发明专利]基于粒子群优化算法的PRT位置搜索方法

摘要

本发明公开一种基于粒子群优化算法的PRT位置搜索方法，步骤为：步骤1：产生随机种群，带有随机的初始速度；步骤2：更新粒子群的速度和位置；步骤3：比较新种群与原种群的次峰值，并进行判定和更新，重复进行步骤2、步骤3，直到循环达到最大递推数。输出PRT集合相应的次峰值，结束。本发明利用遗传学的相关知识，来进行PRT集的选择优化，解决背景技术中存在的复杂度高的问题。

主权项

1.一种基于粒子群优化算法的PRT位置搜索方法，其特征在于包括以下步骤：步骤1：初始化种群大小S，PRT集大小M，ω_max，ω_min，c₁，c₂，最大递推数iter_max；步骤2：随机产生一个初始可行种群Y＝{Y₁，Y₂，...，Y_S}，带有随机的速度V＝{V₁，V₂，...，V_S}；步骤3：对i＝1，…，S，利用方程计算m(Y_i)，利用方程计算m(Y)，令Z_i＝Y_i和Z_g＝m(Y)；步骤4：对i＝1，…，S，利用方程Vij+1=ωVij+c1ri1j(Zij-Yij)+c2ri2j(Zgj-Yij),Yij+1=Yij+Vij+1,]]>ω=ωmax-(ωmax-ωminitermax)iter,]]>yikj=1,rand<S(vikj),0,otherwise,]]>S(vikj)=11+exp(-vikj)]]>更新速度V_i和位置Y_i；ω_max是初始惯性权重，ω_min是最后权重，iter_max是最大递推数，iter是当前递推数，上标j表示递推数，ω是惯性权重，c₁和c₂是两个称之为认知和社会参数的正的常数；r_i1和r_i2是两个在区间[0，1]上均匀分布的随机数；步骤5：在每个Y_i，i＝1，…，S中随机添加或删除必要的1，使得每个Y_i中PRT集的大小是M；步骤6：计算新种群的次峰值，如果m(Y_i)＜m(Z_i)，用Y_i更新Z_i；否则保持Z_i不变；如果m(Y)＜m(Z_g)，用种群Y中的最好次峰值更新Z_g；否则保持Z_g不变；步骤7：如果循环达到了最大递推数iter_max，那么输出m(Z_g)和Z_g；否则返回步骤4。