本發(fā)明適用于數(shù)據(jù)處理領(lǐng)域，尤其涉及一種基于差分粒子群優(yōu)化算法的工程問題優(yōu)化方法。

背景技術(shù)：

1、粒子群優(yōu)化(pso)僅使用基本數(shù)學(xué)運(yùn)算，能夠獲得較高的收斂速度。由于pso算法收斂速度快，性能高，因此被廣泛應(yīng)用于函數(shù)優(yōu)化和工程問題。自1995年pso算法問世以來，已經(jīng)報(bào)道了許多pso算法變種，pso算法的性能得到了顯著改善。然而，大多數(shù)當(dāng)前的pso算法的變種只能在一些特定的優(yōu)化問題上表現(xiàn)良好，較少的pso算法能夠在各種類型的優(yōu)化問題上獲得高性能。

2、然而，現(xiàn)有的pso算法使用相對較小的種群并且收斂速度快，但在優(yōu)化復(fù)雜多模態(tài)問題時(shí)，它可能容易陷入局部最優(yōu)，此外，pso算法不具備旋轉(zhuǎn)不變性，因此在處理含旋轉(zhuǎn)變換問題時(shí)的性能不佳。

3、因此，本發(fā)明提出了一種新的基于差分粒子群優(yōu)化算法的工程問題優(yōu)化方法，解決上述技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提出了一種基于差分粒子群優(yōu)化算法的工程問題優(yōu)化方法，旨在現(xiàn)有的pso算法的基礎(chǔ)上通過差分進(jìn)化算法進(jìn)行優(yōu)化，以提高粒子群優(yōu)化算法的性能，從而更快速和更可靠的解決工程優(yōu)化問題。

2、本發(fā)明提出了一種基于差分粒子群優(yōu)化算法的工程問題優(yōu)化方法，包括以下步驟：

3、s1、基于差分進(jìn)化算法和粒子群優(yōu)化算法根據(jù)工程問題建立工程優(yōu)化模型；

4、s2、對所述工程優(yōu)化模型進(jìn)行種群初始化，得到差分進(jìn)化種群和粒子群優(yōu)化種群；

5、s3、所述粒子群優(yōu)化種群中的粒子隨機(jī)選擇所述差分進(jìn)化種群中的個(gè)體進(jìn)行交叉操作處理，得到試驗(yàn)學(xué)習(xí)樣本；

6、s4、所述差分進(jìn)化種群中的個(gè)體根據(jù)所述粒子群優(yōu)化種群中的個(gè)體最優(yōu)位置進(jìn)行變異處理，得到試驗(yàn)向量；

7、s5、所述粒子群優(yōu)化種群根據(jù)所述試驗(yàn)學(xué)習(xí)樣本進(jìn)行迭代優(yōu)化，所述差分進(jìn)化種群根據(jù)所述試驗(yàn)向量進(jìn)行迭代優(yōu)化，得到優(yōu)化結(jié)果，實(shí)現(xiàn)對工程問題的優(yōu)化。

8、優(yōu)選地，步驟s2中，所述工程優(yōu)化模型進(jìn)行種群初始化的參數(shù)包括個(gè)體數(shù)量、慣性權(quán)重以及加加速因子。

9、優(yōu)選地，步驟s3中，所述粒子群優(yōu)化種群中的粒子隨機(jī)選擇所述差分進(jìn)化種群中的個(gè)體進(jìn)行交叉操作處理滿足以下關(guān)系式：

10、

11、其中，i表示粒子序號，d表示維度序號，exempi表示粒子i的試驗(yàn)學(xué)習(xí)樣本，exemplari表示學(xué)習(xí)樣本，exemplar_vali學(xué)習(xí)樣本的適應(yīng)度，r表示所述差分進(jìn)化種群中序號為r的個(gè)體，pcr表示交叉概率，val(r)表示個(gè)體r的適應(yīng)度值，pbestval(i)表示粒子i的適應(yīng)度值，rand表示范圍在[0,1]的均勻分布隨機(jī)數(shù)，ω表示慣性權(quán)重，c1、c2均表示加加速因子，表示粒子i的d維位置向量，gbestd表示粒子群優(yōu)化種群的全局最優(yōu)，表示粒子i速度向量的d維變量。

12、優(yōu)選地，步驟s4中，所述差分進(jìn)化種群中的個(gè)體根據(jù)所述粒子群優(yōu)化種群中的個(gè)體最優(yōu)位置進(jìn)行變異處理滿足以下關(guān)系式：

13、

14、其中，表示個(gè)體i的試驗(yàn)向量，表示從優(yōu)秀個(gè)體子集隨機(jī)選擇的目標(biāo)向量，fi表示縮放因子，表示隨機(jī)選擇序號為r2的目標(biāo)向量，g是迭代次數(shù)，表示從所述差分進(jìn)化種群和粒子群優(yōu)化種群并集中隨機(jī)選擇的目標(biāo)向量。

15、優(yōu)選地，所述滿足以下關(guān)系式：

16、nelite＝round(np-(np-nend)*iter/iterm)；

17、其中，nelite表示優(yōu)秀個(gè)體子集規(guī)模，round表示四舍五入取整，np表示所述差分進(jìn)化種群中的個(gè)體的規(guī)模，nend表示優(yōu)化結(jié)束時(shí)優(yōu)秀個(gè)體子集規(guī)模，iter表示當(dāng)前迭代次數(shù)，iterm表示最大迭代次數(shù)。

18、與現(xiàn)有技術(shù)相比，本發(fā)明通過基于差分進(jìn)化算法和粒子群優(yōu)化算法根據(jù)工程問題建立工程優(yōu)化模型；對工程優(yōu)化模型進(jìn)行種群初始化，得到差分進(jìn)化種群和粒子群優(yōu)化種群；粒子群優(yōu)化種群中的粒子隨機(jī)選擇差分進(jìn)化種群中的個(gè)體進(jìn)行交叉操作處理，得到試驗(yàn)學(xué)習(xí)樣本；差分進(jìn)化種群中的個(gè)體根據(jù)粒子群優(yōu)化種群中的個(gè)體最優(yōu)位置進(jìn)行變異處理，得到試驗(yàn)向量；粒子群優(yōu)化種群根據(jù)試驗(yàn)學(xué)習(xí)樣本進(jìn)行迭代優(yōu)化，差分進(jìn)化種群根據(jù)試驗(yàn)向量進(jìn)行迭代優(yōu)化，得到優(yōu)化結(jié)果，實(shí)現(xiàn)對工程問題的優(yōu)化。本發(fā)明通過在差分進(jìn)化種群和粒子群優(yōu)化種群之間交換信息以改善種群質(zhì)量，通過粒子群優(yōu)化種群的位置向量對差分進(jìn)化種群進(jìn)行變異以加快差分進(jìn)化種群的響應(yīng)速度，并通過差分進(jìn)化種群生成學(xué)習(xí)樣本，以提高粒子群優(yōu)化算法的性能，從而更快速和更可靠的解決工程優(yōu)化問題。

技術(shù)特征：

1.一種基于差分粒子群優(yōu)化算法的工程問題優(yōu)化方法，其特征在于，包括以下步驟：

2.如權(quán)利要求1所述的基于差分粒子群優(yōu)化算法的工程問題優(yōu)化方法，其特征在于，步驟s2中，所述工程優(yōu)化模型進(jìn)行種群初始化的參數(shù)包括個(gè)體數(shù)量、慣性權(quán)重以及加速度因子。

3.如權(quán)利要求1所述的基于差分粒子群優(yōu)化算法的工程問題優(yōu)化方法，其特征在于，步驟s3中，所述粒子群優(yōu)化種群中的粒子隨機(jī)選擇所述差分進(jìn)化種群中的個(gè)體進(jìn)行交叉操作處理滿足以下關(guān)系式：

4.如權(quán)利要求1所述的基于差分粒子群優(yōu)化算法的工程問題優(yōu)化方法，其特征在于，步驟s4中，所述差分進(jìn)化種群中的個(gè)體根據(jù)所述粒子群優(yōu)化種群中的個(gè)體最優(yōu)位置進(jìn)行變異處理滿足以下關(guān)系式：

5.如權(quán)利要求4所述的基于差分粒子群優(yōu)化算法的工程問題優(yōu)化方法，其特征在于，所述滿足以下關(guān)系式：

技術(shù)總結(jié)
本發(fā)明提出了一種基于差分粒子群優(yōu)化算法的工程問題優(yōu)化方法，通過基于差分進(jìn)化算法和粒子群優(yōu)化算法根據(jù)工程問題建立工程優(yōu)化模型；對工程優(yōu)化模型進(jìn)行種群初始化；粒子群優(yōu)化種群中的粒子隨機(jī)選擇差分進(jìn)化種群中的個(gè)體進(jìn)行交叉操作處理；差分進(jìn)化種群中的個(gè)體根據(jù)粒子群優(yōu)化種群中的個(gè)體最優(yōu)位置進(jìn)行變異處理，實(shí)現(xiàn)對工程問題的優(yōu)化。與現(xiàn)有技術(shù)相比，本發(fā)明通過在差分進(jìn)化種群和粒子群優(yōu)化種群之間交換信息以改善種群質(zhì)量，通過粒子群優(yōu)化種群的位置向量對差分進(jìn)化種群進(jìn)行變異以加快差分進(jìn)化種群的響應(yīng)速度，并通過差分進(jìn)化種群生成學(xué)習(xí)樣本，以提高粒子群優(yōu)化算法的性能，從而更快速和更可靠的解決工程優(yōu)化問題。

技術(shù)研發(fā)人員：林安平,彭乘風(fēng),李翔,廖勇,廖芳芳,鄺俊澤,吳江深
受保護(hù)的技術(shù)使用者：湘南學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2