[发明专利]一种基于混沌寻优机理的粒子群集智能方法

摘要

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。

主权项

1.一种基于混沌寻优机理的粒子群集智能方法，其特征在于，包括以下步骤：步骤1：基于预设的x_i(t)为t时刻种群中第i个粒子所处的位置；f_i(t)为第i个粒子时刻t的函数值；f_i^*(t)代表第i个粒子的最优值；在初始时刻t₀，采用经典分布随机初始化种群中的每一个粒子i在函数域内n个纬度上的初始位置其中i＝1,2,…,m，m为种群规模；步骤2：利用Logistic映射函数x_t+1＝μ·x_t(1‑x_t)，其中x_t为μ为控制参数,，或者Kent映射函数β∈(0,1)差异化初值，从而得到n条轨迹不同的用于混沌优化的变量步骤3：对粒子位置变量进行尺度变换，将混沌变量转换为待优化函数解空间变量值x_i′ⁿ(t)，采用位置变量空间变换公式其中[a,b]为优化变量的取值范畴，[c,d]为混沌优化变量的取值范畴；其中，c_i,d_i为常数，将映射到变量x_i′ⁿ(t)的求解域；步骤4：基于预设的x_i(t)＝x_i′ⁿ(t)，计算粒子群中每个粒子当前位置对应的函数值f_i(t)，为局部最优函数值，为全局最优函数值；为局部最优粒子位置，为全局最优粒子位置；步骤5：若则更新否则放弃x_i(t)，若则更新若不变,则按式进行二次载波，其中θ为调节常数，为小幅度混沌增量，转入步骤2；步骤6：更新粒子群中每粒子的速度及位置；步骤7：基于预设的gBest为种群中全局最优函数值对应的粒子索引，其位置信息为判断是否存在gBest多次不变的情况，如果存在则采用公式以及公式对其进行混沌随机扰动，其中，r,r₁,r₂,r₃为随机数，p_m为一概率常数之后转入步骤2继续，如果不存在则转入步骤8；步骤8：判断是否满足终止准则，满足则输出全局最优解x^*，全局最优函数值f^*，否则转入步骤4继续迭代。