[发明专利]一种基于随机惯性权重的差分粒子群混合算法

摘要

本发明提供了一种基于随机惯性权重的差分粒子群混合算法，改变了传统的惯性权重为一固定的值的情形，在算法的整个运行过程中惯性权重随迭代过程的改变而改变，有利于算法跳出局部最优解，从而达到全局寻优的效果。通过在混合算法的变异操作中引入随机惯性权重，与传统算法相比较，使用该算法进行数值优化计算时，收敛速度更快、精度也更高，能够准确寻找到全局最优值，有效地提升了算法的优化性能；通过生成多次变异群体的交叉混合的操作，使得整个混合算法的收敛精度和收敛的速度更快，提升了整个差分粒子群优化性能；高效分配资源的计算速度，有效提高了计算资源的利用，且该方法优化后无需人工进行修正和调整，应用前景广泛。

主权项

1.一种基于随机惯性权重的差分粒子群混合算法，用于算法跳出局部最优解，其特征在于，具体的实现步骤如下：步骤一：种群初始化：在给定的[xmax，xmin]范围内随机生成NP个维度为D的初始种群x_i，G(i＝1，2，...，NP)，其中i是粒子的序列，G是迭代次数，NP是种群的数量；初始种群生成公式如下：x＝rand(NP，D)*(x_max‑x_min)+x_min    (1)；步骤二：赋值：在PSO算法中，粒子主要跟随个体极值和群体极值来不断地更新自己的位置和速度信息；对每一个粒子的适应度值进行计算，然后根据粒子的适应度值对粒子的个体极值和全局极值进行赋值；步骤三：在标准DE算法中，目标向量v_i，G+1根据公式(2)进行变异操作，其中r1，r2，r3互不相同，而且都与i不等。F是变异因子，起收放作用；差分变异操作采用公式(3)的形式；辅助变异算子采用公式(5)的表达形式，其中w为随机惯性权重，N(0，1)是服从标注状态分布的随机数，并把生成的辅助变异算子生成的辅助变异群体称为变异群体v1，将目标向量v_i，G+1进行变异操作生成的变异群体称为变异群体v2；v_i，G+1＝x_r1，G+F.(x_r2，G‑x_r3，G)         (2)；v_i，G+1＝x_i，G+F((x_r1，G‑x_i，G)+(x_r2，G‑x_r3，G))    (3)；步骤四：交叉：为了增加向量的多样性，DE算法中引入了交叉操作，标准DE算法中的交叉操作u_ji，G+1具体表达如公式(6)所示，其中CR为交叉率，r∈[1，2，...，D]是随机数，对变异群体v1和变异群体v2进行交叉操作；步骤五：选择：为了决定交叉操作中产生的试验向量u_i，G+1是否为成为下一代种群中的成员，DE将实验向量与目标向量按照贪婪准则进行比较并具体操作表达式如公式(7)所示；步骤六：终止迭代：判断迭代次数是否达到设置的最大迭代次数，如果达到最大迭代次数则终止运行；否则，转到步骤二继续运行，直至最后运行结束。