[发明专利]一种基于序列近似优化的粒子群优化方法

摘要

本发明属于设计优化相关技术领域，其公开了一种基于序列近似优化的粒子群优化方法，该方法包括以下步骤：(1)根据待优化实际工程优化问题确定待优化实际工程优化问题的设计空间，并针对该实际工程优化问题构建设计变量与目标响应值之间的仿真模型；(2)根据所述设计空间确定粒子群算法的种群数N，并在设计空间中选取N个样本点，同时采用所述仿真模型计算这N个样本点的真实响应值，进而将当前样本点设置为粒子群优化算法的当前种群；(3)对当前种群中的粒子进行更新；(4)判断该粒子群优化算法是否收敛，若收敛，则输出最优解；否则，转至步骤三直至该粒子群优化算法收敛。本发明提高了粒子群算法优化的效率，降低了时间成本。

主权项

1.一种基于序列近似优化的粒子群优化方法，其特征在于，该方法包括以下步骤：(1)根据待优化实际工程优化问题确定待优化实际工程优化问题的设计空间，并针对该待优化实际工程优化问题构建设计变量与目标响应值之间的仿真模型；(2)根据所述设计空间确定粒子群优化算法的种群数N，并在设计空间中选取N个样本点，同时采用所述仿真模型计算这N个样本点的真实响应值，进而将当前样本点设置为粒子群优化算法的当前种群；(3)对当前种群中的粒子进行更新，具体包括以下步骤：(31)确定初始种群中粒子的初始速度及当前最优位置；(32)计算粒子的历史最佳位置与其他粒子历史最佳位置之间的最大距离，粒子的历史最佳位置为粒子更新过程中所有迭代中适应度值最优时所处的位置；(33)计算当前迭代中所有粒子的局部区域半径，以确定当前迭代中所有粒子的局部区域；(34)选取局部区域中的样本点并采用径向函数方法构建近似模型；所述近似模型通过序列近似优化来确定最优值；(35)对种群中所有粒子的个体历史最佳位置进行排序，并选择适应度值最优的个体历史最佳位置作为全局历史最佳位置；(36)基于所述全局历史最佳位置来更新当前种群中的粒子的当前速度以更新当前种群；(37)基于更新后的粒子的速度及粒子当前位置来计算更新后的粒子的位置，继而更新种群中的所有粒子；(4)判断该粒子群优化算法是否收敛，若收敛，则输出最优解；否则，转至步骤三直至该粒子群优化算法收敛。