申请/专利权人：江苏师范大学

申请日：2020-11-04

公开（公告）日：2021-04-09

公开（公告）号：CN112633455A

主分类号：G06N3/00(20060101)

分类号：G06N3/00(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的撤回

法律状态：2022.05.27#发明专利申请公布后的撤回;2021.04.27#实质审查的生效;2021.04.09#公开

摘要：随机惯性权重粒子群优化方法，包括：通过简化粒子群优化方程和添加极值影响算子，使粒子的个体极值和全局极值在迭代过程中以不同程度的作用来更新粒子位置，以及加入中心位更新的粒子位置两种策略。通过和其它3种优化算法在6个典型基准函数的仿真测试结果表明：本发明算法具有更好的全局收敛能力，且收敛精度、稳定性都有明显的提升。

主权项：1.随机惯性权重粒子群优化方法，其特征在于，包括以下步骤：步骤1、设每个粒子代表超空间中的一个设计点，其当前位置用表示，其中i为单个粒子，t为迭代次数；每个粒子跟踪其当前位置和到目前为止最优解用pid表示；算法跟踪的另一个值是跟踪全局最优解pgd；粒子速度为每次迭代时粒子位置的变化；提出标准粒子群算法中粒子的速度和位置的更新公式： xi,k+1＝xi,k+vi,k+1；i＝1toN2其中，认知参数c1和社会参数c2统称为加速系数；r1和r2是第t次迭代生成的包含随机数的向量0≤rand≤1，N表示种群的大小；w为权重，粒子速度更新方程中存在三个矢量分量；即动量向量，认知或个人成分和社会或全局成分；步骤2、考虑标准粒子群优化算法存在易陷入局部最优的缺陷，简化粒子群优化方程，并引入影响算子； 其中影响因子e1,e2表示为： 步骤3、引入随机惯性权重w：步骤4、引入以中心位为基础的扰动策略：基于差分进化的变异操作进行改进，改进的公式如下： 上式等式右边的第一项用中心位与变量r_1模拟个体其中的一维信息，采用改进公式来更新粒子每一维位置；其中为采用差分算法更新的新位置，F为缩放因子，为采用公式4更新后的粒子位置；F计算公式如下：F＝r_2x_cd7为了跳出局部最优值，本发明设计一种中心位，来跳出循环，中心位为： r_1和r_2的计算公式如下： 步骤5：制定随机惯性权重粒子群优化算法流程。

全文数据：

权利要求：

百度查询： 江苏师范大学 随机惯性权重粒子群优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD