[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

说明书

本发明属于可靠性优化技术领域，公开了一种试变异粒子群优化方法、系统、计算机设备、介质及应用，基于PSO算法，分别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和比较，证明DTSPO方法设计的合理性，以及方法拥有的优异的全局寻优能力。本发明通过设计直接位置更新策略和试变异策略，有效维持了种群的多样性、探索和开发的平衡，提升了获得全局最优解的概率；通过9种复杂测试函数的验证和比较，证明了DTSPO方法设计的合理性，以及算法拥有的优异的全局寻优能力。比较结果证明，本发明所提的DTPSO算法能够为可靠性优化等实际应用提供有效的技术支撑。

技术领域

本发明属于可靠性优化技术领域，尤其涉及一种试变异粒子群优化方法、系统、计算机设备、介质及应用。

背景技术

目前，可靠性是现代工业社会中衡量各类产品应用性能的重要指标，是各类产品竞争力和适应性的重要保障。中可靠性要求是以“质量为先”发展目标的重要体现。因此，提高产品的可靠性越来越得到当今制造业的高度重视。另一方面，产品的成本和可靠性通常呈现正相关系，在保障可靠性指标的同时，也必须要考虑产品的成本因素。在成本和可靠性之间寻求一种平衡，是提高产品竞争力的关键途径。因此，可靠性优化就成为寻求成本和可靠性平衡的重要技术，为现代企业的生存和发展提供了技术支撑。一般来说，可靠性优化是指在一定资源约束条件下，找到一个最优的设计方案，使系统获得最高可靠性，或通过最小化投资获得最大的可靠性保障。

可靠性优化通常包括可靠性冗余分配(reliability redundancy allocation)优化和可靠度分配(reliability allocation)优化。可靠性冗余分配是指在系统中各单元可靠性指标已知的情况下，为各单元确定相应冗余数量，从而在满足系统整体可靠性指标前提下，得到最小化的生产成本。而可靠度分配优化是指综合考虑系统中各单元生产成本等因素的基础上，为各单元分配相应的可靠度指标，从而在满足系统整体可靠度指标前提下，得到最小化的生产成本。传统的共轭梯度法、约束随机法、罚函数法等，以及随着现代计算技术发展而来的多学科设计优化法、进化算法、模拟退火算法等，都被广泛应用到可靠性优化中。

粒子群优化(particle swarm optimization，PSO)算法作为一种随机搜索的启发式群体智能算法，因其清晰易懂的生物解释，简单易行的数学表达和少量易调的参数设置，被广泛应用于各类工程实践当中。特别是各类改进型PSO算法，在可靠性优化中也得到了广泛使用。王春华等将基于多级惩罚函数的PSO算法应用到机械可靠性优化设计中，提升了机械的动力性能。陈东宁等将基于Lévy飞行的PSO算法应用到液压系统可靠性优化中。鲁鹏等提出了一种基于杂草克隆的多目标PSO算法，并应用到了大型复杂系统的可靠性优化中。Anescu等提出将无速度和系数(no speeds and coefficients)的PSO算法应用到可靠性优化问题中。Sahoo等利用遗传算法(genetic algorithm，GA)和PSO算法来求解可靠性优化中的非线性规划问题。Mellal等提出一种自适应PSO算法，并应用到了多目标系统的可靠性优化中。

尽管如此，由于存在易陷入局部最优区域而导致早熟收敛的固有缺陷，限制了PSO算法的实践应用，特别是在处理复杂的、高维的多模态问题时。为了改进PSO算法的寻优性能，近年来，围绕参数调节、领域拓扑结构、算法集成和拟人行为等改进原理开展了大量研究，改善了PSO算法的全局寻优能力。但是，传统的和各类改进的PSO算法，位置更新都是在速度更新的基础上实现的，位置更新需要叠加上速度向量。而且由于存在着固有的因陷入局部最优区域而无法跳出导致的早熟收敛问题，使得PSO算法在面的复杂的、高维的、多模态优化问题时，优化性能显著降低，从而限制了PSO算法的应用范围。因此，亟需一种新的试变异粒子群优化方法。