[发明专利]一种梯度粒子群混合优化方法

摘要

本发明提供了一种梯度粒子群混合优化方法，属于人工智能算法技术领域。本方法包括：步骤1，初始化一种群粒子，赋予随机位置和速度，置k：＝0；步骤2，计算每个粒子的适应度值步骤3，将与当前最好位置p_j的适应度值fitness(p_j)比较，若优于fitness(p_j)，则将该粒子赋值为p_j，然后转入步骤4；否则进入步骤4；步骤4，将与全局经历的最好位置p_g的适应度值fitness(p_g)比较，若优于fitness(p_g)，则将该粒子赋值为p_g，然后转入步骤5；否则进入步骤5；步骤5，用式(1)、式(2)计算粒子的速度和位置其中：j＝1，2，...，m，m为种群内粒子个数；步骤6，若达到预设梯度算法启动条件，返回全局最优个体p_g，转向步骤7；否则，k：＝k+1，转步骤2。

主权项

一种梯度粒子群混合优化方法，其特征在于：所述方法包括：步骤1，初始化一种群粒子，赋予随机位置和速度，置k：＝0；步骤2，计算每个粒子的适应度值步骤3，将与当前最好位置p_j的适应度值fitness(p_j)比较，若优于fitness(p_j)，则将该粒子赋值为p_j，然后转入步骤4；否则进入步骤4；步骤4，将与全局经历的最好位置p_g的适应度值fitness(p_g)比较，若优于fitness(p_g)，则将该粒子赋值为p_g，然后转入步骤5；否则进入步骤5；步骤5，用式(1)、式(2)计算粒子的速度和位置其中：j＝1，2，...，m，m为种群内粒子个数：v_is(t+1)＝ω·v_is(t)+c₁r₁(p_is(t)‑x_is(t))+c₂r₂(p_gs(t)‑x_is(t))                   (1)x_is(t+1)＝x_is(t)+v_is(t+1)              (2)；步骤6，若达到预设梯度算法启动条件，返回全局最优个体p_g，转向步骤7；否则，k：＝k+1，转步骤2；步骤7，进行梯度算法：以步骤6返回的p_g为梯度算法的初始点，进行迭代；步骤8，若达到终止条件，则结束，输出当前结果作为所求问题的最优解；否则转步骤7。