[发明专利]试变异粒子群优化方法、系统、计算机设备、介质及应用

权利要求书

1.一种直接位置更新策略的试变异粒子群优化方法在对可靠性冗余分配问题的优化中的应用，其特征在于，所述对可靠性冗余分配问题的优化方法，包括：

复杂桥梁系统的每个子系统的冗余由单元间并联而构成，各子系统的可靠度按下式计算：

其中，i＝1、2、3、4、5；x_i为第i个子系统；r_i为第i个子系统中单元的可靠度；n_i为第i个子系统中单元的冗余度，为正整数；

系统的可靠度表示为：

R_s＝R(x₅)·[R(x₁)+R(x₃)-R(x₁)·R(x₃)]+(1-R(x₅))·[R(x₁)·R(x₂)+R(x₃)·R(x₄)-R(x₁)·R(x₂)·R(x₃)·R(x₄)]；

令c_i表示第i个子系统中每个单元的成本，则可靠性冗余分配优化模型如下：

由于PSO算法无法输出整数解，所以令P＝[round(p₁)，round(p₂)，round(p₃)，round(p₄)，round(p₅)]，p_i表示PSO位置向量中的元素，且是实数，round()是四舍五入函数，n_i＝round(p_i)；对于可靠性冗余分配的约束优化问题，通过如下设计的适应度函数求得：

ρ设置为10000；

所述直接位置更新策略的试变异粒子群优化方法包括以下步骤：

设计直接位置更新策略和试变异策略；

通过复杂测试函数的验证DTSPO方法的优异的全局寻优能力；

基于PSO算法设计直接位置更新策略和试变异策略；

所述直接位置更新策略的设计方法，包括：

所述直接位置更新策略的数学描述为：

其中，ω表示惯性权重，惯性权重用于平衡粒子迭代过程中的探索能力和开发能力；直接位置更新策略不需要再通过叠加速度向量来更新粒子位置，而直接将粒子位置作为更新变量；

所述惯性权重采用非线性递增的方式，递减型惯性权重有利于早期迭代的种群开发和后期迭代的种群探索；非递增型惯性权重从种群在早期迭代的分散性和在后期迭代的聚集性考虑，采用与递减型惯性权重相逆的思维；

所述非线性递增型惯性权重计算：

其中，k_max表示最大迭代次数；ω_min和ω_max分别表示惯性权重的最小值和最大值；非线性惯性权重在迭代早期和后期分别比线性递增型惯性权重有较快和较慢的变化率；

所述试变异策略的设计方法，包括：

根据粒子更新后的质量，即粒子在更新后，若不能对群体极值有贡献，即fit(p_i)不能优于fit(p_ge)，则实施一次试变异，fit()表示由适应度函数计算的适应度值；变异公式如下所示：

其中，p_t表示由变异产生的临时粒子位置向量；b_u和b_l分别表示种群搜索空间的上限边界向量和下限边界向量；r₃、r₄、r₅分别表示3个在[0，1]之间产生的随机数；试变异原理是指：促发变异后，先产生一个临时粒子p_t，若fit(p_t)优于fit(p_ge)，则令p_i＝p_t，p_ie＝p_t，p_ge＝p_t，若fit(p_t)优于fit(p_ie)，则令p_i＝p_t，p_ie＝p_t，如果不能达到前两个条件中的任意一个，则放弃此次变异。

2.一种直接位置更新策略的试变异粒子群优化方法在对可靠度分配问题的优化中的应用，其特征在于，所述对可靠度分配问题的优化方法，包括：

复杂混联系统可靠度为：

其中，x_i为系统中第i个单元；为单元x_i的不可靠度；假设系统的总成本与各单元可靠度间符合如下关系：

其中，k_i分别取100、100、180、150；可靠性分配优化模式如下：

令粒子位置向量P＝[p₁，p₂，p₃，p₄]，其中p_i在[0.5，0.99]之间随机产生，且R(x_i)＝p_i；根据可靠性分配优化模型，以及单元成本和单元可靠度间的正相关关系，设计适应度函数如下：

其中，ρ是一个设置的较大值的正实数；

所述直接位置更新策略的试变异粒子群优化方法包括以下步骤：

设计直接位置更新策略和试变异策略；

通过复杂测试函数的验证DTSPO方法的优异的全局寻优能力；

基于PSO算法设计直接位置更新策略和试变异策略；

所述直接位置更新策略的设计方法，包括：

所述直接位置更新策略的数学描述为：

其中，ω表示惯性权重，惯性权重用于平衡粒子迭代过程中的探索能力和开发能力；直接位置更新策略不需要再通过叠加速度向量来更新粒子位置，而直接将粒子位置作为更新变量；

所述惯性权重采用非线性递增的方式，递减型惯性权重有利于早期迭代的种群开发和后期迭代的种群探索；非递增型惯性权重从种群在早期迭代的分散性和在后期迭代的聚集性考虑，采用与递减型惯性权重相逆的思维；

所述非线性递增型惯性权重计算：

其中，k_max表示最大迭代次数；ω_min和ω_max分别表示表示惯性权重的最小值和最大值；非线性惯性权重在迭代早期和后期分别比线性递增型惯性权重有较快和较慢的变化率；

所述试变异策略的设计方法，包括：

根据粒子更新后的质量，即粒子在更新后，若不能对群体极值有贡献，即fit(p_i)不能优于fit(p_ge)，则实施一次试变异，fit()表示由适应度函数计算的适应度值；变异公式如下所示：

其中，p_t表示由变异产生的临时粒子位置向量；b_u和b_l分别表示种群搜索空间的上限边界向量和下限边界向量；r₃、r₄、r₅分别表示3个在[0，1]之间产生的随机数；试变异原理是指：促发变异后，先产生一个临时粒子p_t，若fit(p_t)优于fit(p_ge)，则令p_i＝p_t，p_ie＝p_t，p_ge＝p_t，若fit(p_t)优于fit(p_ie)，则令p_i＝p_t，p_ie＝p_t，如果不能达到前两个条件中的任意一个，则放弃此次变异。