一種基于隨機漂移粒子群優(yōu)化算法的動態(tài)環(huán)境優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于隨機漂移粒子群優(yōu)化算法的動態(tài)環(huán)境優(yōu)化方法，屬于動態(tài)環(huán) 境多目標(biāo)優(yōu)化技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 動態(tài)環(huán)境優(yōu)化（DynamicOptimizationProblems,DOPs)，就是研宄當(dāng)目標(biāo)函數(shù)、 環(huán)境參數(shù)以及約束條件變化的情況下，追蹤和定位最優(yōu)解的變化足跡。粒子群優(yōu)化算法 PSO(ParticleSwarmOptimization)是一種模擬群體行為的進化算法，具有操作簡單，參 數(shù)設(shè)定較少等特點，已經(jīng)被應(yīng)用于動態(tài)環(huán)境優(yōu)化中，目前的粒子群優(yōu)化算法在經(jīng)過一定的 迭代之后，由于粒子的飛行速度慢慢減小會使得種群收斂于某個滿意解，一旦環(huán)境發(fā)生變 化，失去多樣性的種群很難對這樣的變化迅速做出反應(yīng)。因此，有學(xué)者提出了多種策略來改 善PS0算法求解這類問題的能力。Kennedy提出了一種K-means聚類的方法，從而確定各 個種群的cluster中心，然后將中心點看作是每個子種群中最好解，這種聚類方法的局限 性在于聚類種群數(shù)必須提前設(shè)定。Branke等提出了一種自組織偵察算法，自組織偵察是指 父群進行全局搜索，而從父群中分離的子群負(fù)責(zé)局部搜索。Brits等提出一種局部鄰域粒 子群算法nbestPSO,算法中的每個粒子的相鄰粒子是與其Euclidean距離小的粒子，粒子 的gbest是相鄰粒子的中心點。王洪峰等提出了一種采用分叉策略的多粒子群PS0算法， 該算法能夠利用主粒子群搜索峰，而利用子粒子群跟蹤已發(fā)現(xiàn)的峰的變化，主要集中于怎 樣將種群中的個體有效地分布在整個解空間來追蹤最優(yōu)解的變化，而對于如何快速精確地 獲得這些解的關(guān)注并不多。
[0003] 隨機漂移粒子群是一種模擬電場中電子定向移動的搜索優(yōu)化方法，在有限溫度下 外部電場可以驅(qū)使電子定向移動使得電子被吸引至局部勢能最低處，這種隨機熱運動的行 為與隨機搜索策略中的局部搜索優(yōu)化算法相似，熱運行和漂移運動來保證算法更迅速的獲 得高質(zhì)量的解。目前，關(guān)于隨機漂移粒子群優(yōu)化算法的文獻不多，大多用于解決靜態(tài)環(huán)境 優(yōu)化問題，如2014年方偉等將隨機漂移粒子群優(yōu)化算法應(yīng)用于函數(shù)優(yōu)化問題中，實驗表明 RDPS0具有較強的局部搜索能力和全部搜索能力，其控制參數(shù)設(shè)置對優(yōu)化結(jié)果具有顯著的 影響。然而，這只是求解靜態(tài)環(huán)境優(yōu)化問題中一個最優(yōu)值問題，但是對于動態(tài)環(huán)境中的多峰 優(yōu)化問題（Multi-peaksfunctionOptimizationProblems,MOPs)的求解方法卻是極少 的。
[0004] 本發(fā)明將一種快速收斂算法--隨機漂移粒子群優(yōu)化算法（RandomDrift ParticleSwarmOptimization,RDPS0)應(yīng)用于DOPs中，采用分層聚類策略不斷搜索問題適 應(yīng)曲線上新的峰來增強算法定位和跟蹤最優(yōu)解能力，利用收斂策略、擁擠策略和重疊策略 來保持粒子的多樣性。此外，本發(fā)明還對RDPS0算法中的控制參數(shù)進行了研宄并給出了最 佳參數(shù)值。實驗結(jié)果表明所提出的RDPS0算法結(jié)合分層聚類方法在DOPs中具有較強的魯 棒性和適應(yīng)性。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明針對上述現(xiàn)有技術(shù)的缺點與不足，提出了一種基于隨機漂移粒子群優(yōu)化算 法求解動態(tài)環(huán)境優(yōu)化問題的方法。
[0006] 所述方法包括：先初始化粒子群，然后算法進入如下迭代過程：（1)用分層聚類將 初始化粒子群分成若干子群，并根據(jù)子群與子群間的距離合并成較大的子群；（2)更新所 有子群粒子的速度和位置；（3)對子群進行重疊檢測、擁擠檢測和收斂性檢測；(4)對粒子 群進行環(huán)境變化檢測，若環(huán)境發(fā)生變化，則產(chǎn)生新的初始粒子群。
[0007] 所述子群與子群間的距離，在本發(fā)明的一種實施方式中，距離公式如下：
[0008]
【主權(quán)項】
1. 一種基于隨機漂移粒子群優(yōu)化算法求解動態(tài)環(huán)境優(yōu)化問題的方法，其特征在于，所 述方法包括：先初始化粒子群，然后算法進入如下迭代過程：（1)用分層聚類將初始化粒子 群分成若干子群，并根據(jù)子群與子群間的距離合并成較大的子群；（2)更新所有子群粒子 的速度和位置；（3)對子群進行重疊檢測、擁擠檢測和收斂性檢測；(4)對粒子群進行環(huán)境 變化檢測，若環(huán)境發(fā)生變化，則產(chǎn)生新的初始粒子群。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法具體包括： (1) 用分層聚類將初始化粒子群分成若干子群：初始化粒子群，然后通過分層聚類策 略將粒子群分成若干子群，即初始時，粒子群中的每一個粒子都是一個聚類子群，隨著子群 的逐步搜索，這些聚類子群的中心會慢慢的靠攏，然后根據(jù)子群與子群之間的距離將這些 子群合并為較大的子群； (2) 更新所有子群粒子的速度和位置：由分層聚類策略產(chǎn)生的子群根據(jù)速度更新公式 和位置更新公式更新當(dāng)前粒子的速度和位置； (3) 計算粒子的適應(yīng)值，評估并選取最優(yōu)粒子：根據(jù)更新后的粒子速度和位置計算粒 子的適應(yīng)值，并由適應(yīng)值的大小評估并選取最優(yōu)粒子； (4) 對子群進行重疊檢測、擁擠檢測和收斂性檢測：重疊檢測就是計算兩個子群的重 疊半徑，若大于默認(rèn)值0. 7則合并兩個子群；擁擠檢測就是若子群粒子數(shù)大于最大子群粒 子數(shù)則刪除子群中粒子適應(yīng)值最差的粒子；收斂性檢測就是若子群的搜索半徑小于閾值半 徑，則移除子群； (5) 對整個粒子群進行環(huán)境變化檢測：重新評估所有子群中的最好粒子，若最好粒子 的位置改變了，則認(rèn)為環(huán)境發(fā)生變化，一旦環(huán)境發(fā)生變化，則產(chǎn)生新的初始粒子群，返回（1) 繼續(xù)進行計算；否則，執(zhí)行步驟（6); (6) 判斷是否滿足迭代終止條件。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟（1)中子群與子群間的距離的計 算公式為
中，d(i，j)為子群r中粒子i與子群s中粒子j之間 的距離，i為子群r中的任意一個粒子，j為子群s中的任意一個粒子，D為維數(shù)，xf為粒子i的位置，< 為粒子j的位置。
4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟（2)是指根據(jù)速度更新公式和位 置更新公式進行更新；所述速度更新公式為G+1 +戶_(/4 -%)，其中， 為第t+1次迭代粒子i的速度，t為迭代次數(shù)，i為第i個粒子，j為第j維空間，a為壓縮 膨脹系數(shù)，0為漂移系數(shù)，<為正態(tài)隨機分布函數(shù)，4為第t次迭代的第i個粒子的最好 位置，為第t次迭代，第i個粒子的當(dāng)前位移，為平均最好位置，即A/丨，其 中，N是種群大?。凰鑫恢酶鹿綖閤丨+1 =< +G+1，其中，_4+1為第t+1次迭代粒子i的 位置，t為迭代次數(shù)，i為第i個粒子，j為第j維空間，X》為第t次迭代粒子i的位置，巧+1 為第t+1次迭代粒子i的速度。
5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述壓縮膨脹系數(shù)a和漂移系數(shù)0為靜 態(tài)參數(shù)，為以下任意一種組合：a=0.7、|3 = 1. 7或者是a= 1. 3、|3 = 2. 2或者是a = 1.30 = 2. 5〇
6. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述壓縮膨脹系數(shù)a和漂移系數(shù)0為隨 機函數(shù)，為以下任意一種組合：aG(〇, 1)且|3G(〇, 1)，或者是aG(〇, 1) |3G(〇, 2)。
7. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟（2)還包括根據(jù)更新后的粒子 速度和位置計算粒子的適應(yīng)值，并由適應(yīng)值的大小評估并選取最優(yōu)粒子，所述計算粒子的 適應(yīng)值的公式如下
'其中，x為解向量，t為迭代系 數(shù);氏⑴和I⑴為第t次環(huán)境中峰i的高度和寬度；Xu(t)為第t次環(huán)境中峰i的第j個 元素的坐標(biāo)；Xj(t)為第j個元素的位置；D為維數(shù)。
8. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟（3)的重疊檢測是指計算兩個子 群的重疊半徑，若大于默認(rèn)值則合并兩個子群；所述擁擠檢測是指若子群粒子數(shù)大于最大 子群粒子數(shù)則刪除子群中粒子適應(yīng)值最差的粒子；所述收斂性檢測是指若子群的搜索半徑 小于閾值半徑，則移除子群。
9. 根據(jù)權(quán)利要求8所述的方法，其特征在于，所述重疊檢測中的默認(rèn)值設(shè)置為0. 7,所 述擁擠檢測的最大子群粒子數(shù)設(shè)定為3,所述閾值半徑設(shè)定為0. 0001。
10. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法利用了一種新型的離線性能指 標(biāo)
，其中，fit,是第j次環(huán)境變化之前最優(yōu)解適應(yīng)值，F(xiàn)i是第i次 環(huán)境變化的最佳值，N是環(huán)境變化總數(shù)，T是運行的次數(shù)。
【專利摘要】本發(fā)明公開了一種基于隨機漂移粒子群優(yōu)化算法的動態(tài)環(huán)境優(yōu)化方法，屬于動態(tài)環(huán)境多目標(biāo)優(yōu)化技術(shù)領(lǐng)域。本發(fā)明通過以下算法過程：(1)用分層聚類將初始化粒子群分成若干子群；(2)更新所有子群粒子的速度和位置；(3)計算粒子的適應(yīng)值，評估并選取最優(yōu)粒子；(4)對子群進行重疊檢測、擁擠檢測和收斂性檢測；(5)對整個粒子群進行環(huán)境變化檢測；(6)判斷是否滿足迭代終止條件，解決了動態(tài)環(huán)境優(yōu)化控制變量可能陷入局部最優(yōu)解，并求解最優(yōu)值的速度慢的問題，并具有較強的魯棒性和適應(yīng)性。
【IPC分類】G06N3-00
【公開號】CN104809499
【申請?zhí)枴緾N201510234198
【發(fā)明人】方偉, 王夢梅, 姜淑琴, 孫俊, 吳小俊, 李朝鋒
【申請人】江南大學(xué)
【公開日】2015年7月29日
【申請日】2015年5月8日