[发明专利]一种用于条件非线性最优扰动的自适应协同数据处理方法

摘要

本发明涉及一种用于条件非线性最优扰动的自适应协同数据处理方法，是一种用于条件非线性最优扰动(Conditional Nonlinear Optimal Perturbation，CNOP)求解的基于主成分分析的粒子群与狼群搜索的自适应混合协同进化算法(Adaptive Cooperation Co‑Evolution of Parallel Particle Swarm Optimization and Wolf Search Algorithm，ACPW)，属于计算机科学与气象科学的交叉学科研究领域，用于CNOP的优化求解。基于避免使用伴随模式的考虑，将在跳出局部最优方面较优秀的狼群搜索算法与易于陷入局部最优的粒子群算法相结合，采用自适应的协同进化策略，并基于Master‑Slave并行框架对算法进行加速，对CNOP进行优化求解。与现有技术相比，本发明具有求解速度快，稳定性好等优点。

主权项

1.一种用于条件非线性最优扰动的自适应协同数据处理方法，其特征在于，包括以下步骤：S1：随机生成一组初始成员，判断初始成员内各成员是否满足边界条件；S2：并行计算初始成员内各成员的适应度函数值并保存具有最大适应度的成员信息及其适应度函数值；S3：利用子种群系数将初始成员种群分为PSO子种群和WSA子种群并分别寻优；S4：根据子种群系数更新规则来判断相邻两次迭代所获取的全局最优适应度函数值变化是否小于给定阈值，若是，增大子种群系数值，若否，减小子种群系数值；S5：判断迭代次数是否达到终止条件，若是，输出数据结果，若否，返回步骤S2继续进行。