[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
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: | 本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。