[发明专利]一种基于改进的具有适应性的量子粒子群算法的优化计算方法

摘要

本发明的目的在于提供一种基于改进的具有适应性的量子粒子群算法的优化计算方法，本发明采取的技术方案是根据需要建立合适的评价指标，区分各粒子的优化程度，依据各粒子优化状态自行分配不同的惯性权值。本发明解决了传统QPSO算法中唯一的控制参数，惯性权重线性减少的单一的调整问题。通过针对性地调整不同优化程度的粒子的惯性权重，能够有效提高算法全局寻优的能力。

主权项

1.一种基于改进的具有适应性的量子粒子群算法的优化计算方法，其特征是：(1)建立待优化的目标函数；(2)初始化优化算法所需的参数，包括种群规模、问题维度、最大迭代次数、惯性权重范围；(3)随机生成初始解；(4)进入AQPSO算法迭代过程，计算mbest，mbest为当前粒子平均最佳位置，其中，C(t)表示全部个体最优位置的平均值，m表示粒子的数目，D表示问题维度；(5)计算对应目标函数的适应度函数值；(6)更新pbest和gbest，pbest为粒子本身经历过的最优位置，gbest为粒子群经历过的最优位置；(7)更新第i个d维势阱的特征长度，如下式所述：Li,d(t)＝2ω·|Cd(t)‑Xi,d(t)|，其中，w为惯性权重，Cd(t)为d维粒子的mbest，Xi,d(t)为第i个d维粒子的位置；(8)更新粒子的位置信息；(9)对粒子进行分类，计算得到第i代群体平均适应度值，其中，f₁ⁱ,f₂ⁱ,…,f_Nⁱ表示各粒子适应度值，将代价函数值高于的个体重新取平均为分类指标算法迭代中已知群体中历史最优f_gbest，计算优化程度指标Δ，如下式：(10)依据分类指标对粒子分类并逐一确定惯性权重，当粒子n的适应度值高于时，此时对应w的计算公式为当粒子适应度值满足对应w计算公式为其中，wmax、wmin分别表示设定最大最小惯性权重值；当粒子n适应度值低于当前迭代的群体平均水平时，对应w的计算公式为其中，k是调整惯性权值上限的参数；(11)判断是否到达最大迭代次数或设定目标，如果满足，输出结果，否则转到步骤(4)。