[发明专利]基于多子群的自适应信息反馈粒子群机器人路径选择方法

权利要求书

1.一种基于多子群的自适应信息反馈粒子群机器人路径选择方法，其特征在于，所述基于多子群的自适应信息反馈粒子群机器人路径选择方法首先采用多样性评价策略的多种多样性统一定义方式，对群体多样性从多个角度进行评价，从空间距离和适应度值整体上描述粒子群体的多样性分布状况，进行指导粒子寻优过程中全局探索模式和局部勘探模式的变换；

其次，通过综合分析适应度和空间性两个角度对粒子群体进行实时划分的多子群划分策略，该策略无需预先设定子群数目，可同时跟踪搜索空间内的多个局部最优值，从而增强动态寻优过程的广域探索效果；

基于多子群划分策略的各个子群体，使用稀疏化处理策略可调节子群体内部分布状况，使子群体内部粒子以一定概率远离局部中心粒子，从而在局部区域内部进行局部最优值的实时勘探过程, 可增强子群体内部多样性水平；

所述多样性评价策略，采用的多种多样性统一定义方式，包括：

定义1、两个粒子间的距离是指两个粒子在解空间中的欧氏距离；

定义2、两个子群体间的距离是指两个子群体中心位置的距离；

定义3、子群体S_k的多样性等于子群体中所有粒子与中心位置之间的距离和，令D(S)表示子群体S的多样性，则：

式(1)中，N为子群体S中的粒子数目；j为子群体中心位置; d(i, j)为粒子i与粒子j间的距离；

定义4 、群体Pop的分群多样性为各子群体多样性的平均值，即

式(2)中，M为子群体的数目，D(S_k)为子群体S_k的多样性；

定义5 、群体Pop的空间多样性为各子群体中心位置与群体Pop中心位置的距离之和；令O(Pop)表示群体Pop的空间多样性，则：

式(3)中，M为子群体的数目，表示子群体S_k的中心位置，表示种群Pop的中心位置，表示与之间的距离；

所述多子群划分策略采用并行搜索策略，多个子群同时对若干个子区域的局部最优值展开搜索；

假设优化问题在解空间的m个局部最优值均匀分布，则粒子种群对应划分成m个子群，各子群的半径r_c可根据下式计算,

式(4)中，和分别是变量x的第k维的上﹑下界；在对粒子群体进行划分时，除了分析空间粒子的距离，同时也分析粒子的适应值，并选取具有代表性的粒子进行划分；

所述多子群划分策略(记为MP)包括求目标函数y=f(x,t)最大值，f_p是一个具有N个元素的数组，f_p(i)对应第i个粒子的适应度值, f_max=max(f_p(i)), f_min= min(f_p(j)),

具体如下：

步骤一，生成一个检测区间[f_min, f_max],将检测区间划分成N个长度相等的区域,各子区间依序标记为: Q₁, Q₂,..., Q_N；

步骤二，统计落入每个区域Q_i的粒子数目n_i；

假定当前有z个不为零的子区域，分别标记为β₁,β₂,...,β_z, 从每个不为零子区域中随机取出一个粒子进入最优粒子集合S；

步骤三，依次对β₁,β₂,...,β_z中每个粒子p作如下处理；若S中存在粒子x与p之间的距离小于r_c, 则粒子p加入以x所确定的子群，转步骤四，若S中不存在粒子x与p之间的距离小于r_c, 则将p直接加入S；

步骤四，将粒子p标记为已处理状态；

步骤五，若β_i中还有未被处理的粒子，其中，i=1,2,...,z，则转步骤三；

步骤六，假定集合S中共有η个粒子，则每个粒子确定一个子群PS_i,其中， i=1,2,...,η，依次对子群中的粒子进行比较，确定出各子群的局部最优粒子；

所述稀疏化处理策略，包括： 第一步，子群体中的每个粒子相对中心位置o，均有一个吸引概率p_a和排斥概率p_d；

第二步，设定子群体中每个粒子的p_a和p_d；P_d是一个预先设定的位于[0,1]内的常数，而p_a在[0,1]范围内随机生成，若p_ap_d,则转第四步；

第三步，子群体中的每个粒子按速度p_r×(r_c-d_io)飞离中心位置o； 其中，p_r是一个介于0和1之间的随机数；d_io是粒子i到子群体中心位置o的距离；

第四步，若子群体中仍有未处理完的粒子，转到第二步，否则，稀疏化处理结束。