[发明专利]一种用于0-1规划的AB-DPSO优化算法

摘要

本发明是一种基于AB‑DPSO(改进的具有自适应性、适应于二进制编码或0‑1变量的差分进化(DE)‑粒子群(PSO)混合算法)的优化算法。包括下列步骤：(1)参数初始化(包括PSO算法和DE算法的部分参数)。(2)初始化种群，获取最优个体和最优适应度值，并将种群划分为P种群和D种群两部分。(3)进化开始，分别对PSO算法的P种群进行速度、位置自适应更新；DE算法对D种群进行变异、交叉、选择操作的自适应性更新。(4)记录每一代中P种群的最优个体和相应的适应度值；D种群中的最优个体和相应的适应度值。(5)比较两个种群的个体，判断是否满足论坛式交互学习条件，如果满足，则进行优势互补，更新两种群的个体；否则转(7)。(6)优势互补，筛选P种群和D种群中的较好个体组成新的种群，并更新P种群和D种群为筛选后的种群。(7)记录历史最优解，判断是否到达最大迭代次数，或者满足精度要求，满足则输出最优个体和最佳适应度值，否则转(3)。算法结束。AB‑DPSO算法使PSO算法、DE算法应用于二进制编码或0‑1变量的优化需求中，并且能够有效的改善算法的性能，避免陷入局部最优。

主权项

1.一种用于0-1规划的AB-DPSO优化算法是基于改进的PSO算法和DE算法的混合优化算法，其特征在于：对于粒子群算法(PSO)惯性权重ω引入自适应性操作： ω ( t ) = 1 1 + e - ( c 1 - t t max * c 2 ) ]]>式中，t为当前迭代次数；tmax为最大迭代次数；c1、c2为整定系数，通常c1取2.18左右；c2取2.58左右。通过上述自适应操作，进化过程中，ω会在[0.4，0.9]内线性减小，使得算法在进化初期有较强的全局搜索能力，在进化后期具有较强的局部收敛能力。