[发明专利]一种基于混沌寻优机理的粒子群集智能方法

说明书

本发明公开了一种基于混沌寻优机理的粒子群集智能方法，在初始化阶段采用经典分布和Logistic映射、Kent映射对粒子群进行了初始化，然后利用带有加权惯性权重因子的粒子群算法在N维解空间中进行全局优化搜索，利用速度和位置迭代更新函数，当粒子群中粒子的局部最优解更新陷入停滞时，利用混沌运动的遍历性进行全局优化搜索，同时通过恰当的载波方式将混沌变量的遍历区间放大到优化变量的定义域，当粒子群全局最优解陷入停滞中，协助粒子逐步逃离局部极值，终止粒子群的优化搜索并输出全局最优解。本发明以解决群集智能类算法中普遍存在早熟现象以及在复杂高维函数优化中无法有效获得全局最优解的缺点。

技术领域

本发明涉及一种基于混沌寻优机理的粒子群集智能方法，属于水文水资源模拟技术领域。

背景技术

水文水资源模拟中的数学模型普遍存在着非线性、不连续、非凸性、维数多、多峰值等函数特性。常规优化方法在这些问题上的应用往往不能取得满意的结果，在生产实践应用中也存在着难度。一直以来针对这些水问题模型寻找一类有效最优化方法求得其最优解决方案始终是水文模拟领域理论研究与实践应用的热点。

群体智能指的是从无通讯协作思想角度，自然界中的种群被看作是一个个复杂自适应系统，具有自适应、自学习、自组织等特点，而这些特点能够从群体中突现出的复杂行为上得以体现，例如群体觅食和聚集行为就具有上述特征。基于群体的协同和信息共享是粒子群算法的本质，通过将鸟群中的单个个体转化为无形无质的粒子点，并模拟鸟类飞翔于目标函数的解空间，在欧氏N维空间中始终保持某种拓扑结构，以粒子对解空间中最优粒子的追随进行解空间的搜索，协同进行，信息共享，以实现全局最优解的获得。

混沌是指在确定性系统中出现的一种貌似无规则、类似随机的现象，是普遍存在的复杂运动形式和自然现象。严格说来，混沌现象是不含外加随机因素的完全确定性系统所表现出的内秉随机行为，是介于规则和随机之间的一种行为。在学术上，混沌是指在确定系统中存在的无规则性或不规则性。混沌运动是确定性系统中局限于有限相空间的轨道高度不稳定运动，是在确定性系统中出现的无规则性或随机性(系统内在的随机性，又称之为伪随机性)。所谓轨道高度不稳定，是指近邻的轨道随时间的发展会产生指数分离。由于这种不稳定性，系统的长时间行为会显示出某种混乱性和随机特征。混沌运动在相空间的轨迹具有复杂的拉伸、折叠和收缩的结构，但每条轨迹既不自我重复又不自我交叠，且局限于有限集合，把这称之为奇怪吸引子。然而，产生混沌的机制往往又是简单的非线性，是丝毫不带随机因素的固定规则。混沌的类型大体可分为四大类：第一类为时间混沌，第二类为空间混沌，第三类为时空混沌，第四类为功能混沌。

实验证明，粒子群模型无论是早熟收敛还是全局收敛，种群中的粒子都会出现“聚集”现象。要么所有粒子聚集在某一特定位置，要么聚集在某几个特定位置。当聚集在局部最优值处时为早熟聚集，即早熟收敛。基本粒子群集智能类算法中普遍存在着早熟收敛、算法后期收敛较慢和种群多样性随代数增加下降过快、有可能收敛不到全局最优解等缺点，尤其是在比较复杂的多峰搜索问题中。收敛速度的提高是以牺牲全局搜索能力为前提的，在解决超高维、非线性、多极值的复杂优化问题时有其局限性，且无法保证对实际工程动态系统优化问题的跟踪优化。

发明内容

针对现有技术存在的不足，本发明目的是提供一种基于混沌寻优机理的粒子群集智能方法，用于解决水文水资源模拟中所遇到复杂优化问题，能够快速收敛到全局最优解，不易产生早熟现象，有效保证了粒子的初始多样性。

为了实现上述目的，本发明是通过如下的技术方案来实现：

本发明一种基于混沌寻优机理的粒子群集智能方法，包括以下步骤：