[发明专利]一种基于梯度下降法的多目标粒子群优化方法在审
| 申请号： | 201610573200.5 | 申请日： | 2016-07-20 |
| 公开（公告）号： | CN106228234A | 公开（公告）日： | 2016-12-14 |
| 发明（设计）人： | 徐新黎;李笠;陈超;王万良;李伟琨;任沁 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G06N3/00 | 分类号： | G06N3/00 |
| 代理公司： | 杭州之江专利事务所(普通合伙)33216 | 代理人： | 张慧英 |
| 地址： | 310014 浙江省杭州*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及人工智能研究领域，尤其涉及一种基于梯度下降法的多目标粒子群优化方法，本方法将粒子群优化算法扩展到多目标优化，同时结合梯度下降法，改善多目标粒子群算法的优化性能，解决了非连续函数梯度的计算，加快了算法在计算梯度方面的速度，降低了算法的复杂度。 | ||
| 搜索关键词： | 一种 基于 梯度 下降 多目标 粒子 优化 方法 | ||
【主权项】：
一种基于梯度下降法的多目标粒子群优化方法，其特征在于包括如下步骤：(1)对粒子群种群进行初始化；在目标空间中随机化粒子群，设置每个粒子的个体极值与全局极值为初始位置；设置外部档案集为空；初始化迭代次数t＝0；(2)计算粒子群内各粒子的目标函数值，并判断目标函数值是否满足迭代终止准则，若满足最大迭代次数，则完成优化并输出结果；否则更新迭代次数t＝t+1,执行步骤(3)；(3)判断粒子的支配关系，将非支配解放入外部档案集；(4)在粒子群内选取最优粒子，更新该粒子的个体极值与全局极值；(5)计算粒子群内所有粒子在各目标函数上的适应值，将新的非支配解更新放入外部档案集；(6)利用梯度策略更新每个粒子的位置和速度后跳转执行步骤(2)。
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浙江工业大学，未经浙江工业大学许可，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/201610573200.5/，转载请声明来源钻瓜专利网。
