[发明专利]基于改进粒子群算法的个性化学习路径优化方法有效

专利信息
申请号: 201610314420.6 申请日: 2016-05-13
公开(公告)号: CN106022463B 公开(公告)日: 2018-11-13
发明(设计)人: 吴雷;阮怀伟;昌磊;孙智骁 申请(专利权)人: 安徽教育网络出版有限公司
主分类号: G06N3/00 分类号: G06N3/00
代理公司: 青岛申达知识产权代理有限公司 37243 代理人: 霍本俊
地址: 230601 安徽省合*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了基于改进粒子群算法的个性化学习路径优化方法,1)建立学习路径优化问题的数学模型;2)基于改进粒子群算法的学习路径优化;3)分析时间复杂度。本发明本算法通过对标准粒子群算法的改进,解决了标准粒子群算法在解决优化问题是易陷于局部最优的缺陷,同时在搜索准确度和搜索成功率方面也具有优势。
搜索关键词: 基于 改进 粒子 算法 个性化 学习 路径 优化 方法
【主权项】:
1.基于改进粒子群算法的个性化学习路径优化方法,其特征在于:其计算方法如下:1)建立学习路径优化问题的数学模型;2)基于改进粒子群算法的学习路径优化:在标准粒子群算法的基础上,将基于禁忌的邻域搜索算法引入到粒子群的寻优过程中,形成了一种改进的粒子群算法——TB‑PSO;所述TB‑PSO算法的步骤包括:A:初始化粒子群,随机产生所有粒子的位置和速度;设粒子解空间变量X为{x1,x2,x3…xn},其中n为学习资源的数量,在xi的取值区间(0,N)内随机生成一个初始化粒子以及速度;B:粒子的适应度评价;首先,根据编码映射方法将连续型的变量X映射为离散的解;其次,计算粒子群的个体最优解与全局最优解的前提是确定适应度函数,在目标函数和约束条件的基础上,形成一个综合的适应度函数评价粒子群的个体最优解与全局最优解;C:更新粒子的速度和位置;粒子在解空间的速度和位置更新采用标准PSO算法的更新公式:νt+1=ωνt+r1×rand()×(Pt‑xt)+r2×rand()×(Gt‑xt)xt+1=xt+νt其中,ω为惯性权重;r1,r2为加速常数;rand()为区间[0,1]上均匀分布的随机数;Pt和Gt分别为t时刻粒子的自身最好位置pbest和全局最好位置gbest;pbest为粒子自身分过的最好位置,而gbest为粒子所对应的全局最好位置,它是整个群体所经历的最好位置;xt=(xt1,xt2,...,xtn)与vt=(υt1,υt2,...,vtn)为时刻t的位置与速度;D:判断是否满足迭代次数:如果满足,输出最优解;如果不满足,执行E;E:如果全局最优解达到启动局部搜索的条件,执行基于禁忌的邻域搜索;否则,跳转到B;3)分析时间复杂度:在标准PSO算法中,设种群中粒子的数量为N,种群的迭代次数为M1,每个粒子完成一次迭代所需要的运算时间为T1,则可以计算出,标准PSO速算法完成优化需要耗费的总的运算时间为N×M1×T1;在TB‑PSO算法中,设在种群中粒子的数量为N,M1次迭代中达到邻域搜索条件的次数为M2,每次邻域搜索执行的最大扩展次数为K,每执行一次邻域搜索需要的运算时间为T2,则可以计算出,TB‑PSO算法完成优化所需要耗费的总的运算时间为
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽教育网络出版有限公司,未经安徽教育网络出版有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201610314420.6/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top