一種高效的基于魚群撲食行為的改進(jìn)粒子群算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于進(jìn)化算法技術(shù)領(lǐng)域，涉及一種粒子群優(yōu)化算法，具體涉及一種高效的 基于魚群撲食行為的改進(jìn)粒子群算法。
【背景技術(shù)】
[0002] 粒子群優(yōu)化算法（ParticleSwarmOptimization，PSO)是由Kennedy和Eberhart 通過對(duì)鳥群某些社會(huì)行為的觀察研宄，提出的一種新穎的進(jìn)化算法。由于PS0設(shè)置參數(shù)少， 容易實(shí)現(xiàn)，可用于解決大量的非線性、不可微和多峰值等的復(fù)雜優(yōu)化問題，已成功應(yīng)用于參 數(shù)優(yōu)化、特征提取、旅行商問題、模式識(shí)別等諸多領(lǐng)域。但在復(fù)雜的優(yōu)化問題中，粒子群算法 存在早熟收斂，很容易陷入局部最優(yōu)解。Angeline等人借鑒遺傳算法思想提出雜交PS0算 法概念，提高了算法的收斂速度和精度。Peram等人于2003年提出的基于粒子群優(yōu)化的適 應(yīng)值-距離-比例算法（Fitness-Distance-RatiobasedParticleSwarmOptimization, FDR-PSO)，算法中每個(gè)粒子根據(jù)一定的適應(yīng)值-距離-比例原則，向附近具有較好適應(yīng)值 的多個(gè)粒子進(jìn)行不同程度的靠近，而不僅僅向當(dāng)前所發(fā)現(xiàn)的最好粒子靠近。此算法改善了 PS0算法的早熟收斂問題，在優(yōu)化復(fù)雜函數(shù)方面，其性能得到了較大改善。Bergh提出了協(xié) 同PSO(CooperativeParticleSwarmOptimizer，CPS0)，使粒子更容易跳出局部極小點(diǎn)， 達(dá)到較高收斂精度。為防止PS0算法陷入局部最優(yōu)，Liang等人于2006年提出了綜合學(xué)習(xí) 粒子群優(yōu)化算法（ComprehensiveLearningParticleSwarmOptimizer，CLPSO)，使得每個(gè) 粒子的速度更新基于所有其它粒子的歷史最優(yōu)位置，從而達(dá)到綜合學(xué)習(xí)的目的。Bergh提出 了協(xié)同PSO(CooperativeParticleSwarmOptimizer，CPSO)，使粒子更容易跳出局部極小 點(diǎn)，達(dá)到較高收斂精度。為防止PS0算法陷入局部最優(yōu)，Liang等人于2006年提出了綜合 學(xué)習(xí)粒子群優(yōu)化算法（ComprehensiveLearningParticleSwarmOptimizer，CLPS0)，使 得每個(gè)粒子的速度更新基于所有其它粒子的歷史最優(yōu)位置，從而達(dá)到綜合學(xué)習(xí)的目的。吳 曉軍通過分析搜索中心的概率分布，提出了搜索中心在兩個(gè)極值間均勻分布的均勻搜索 PSO(UniformSearchParticleSwarmOptimization,UPS0)算法，該算法搜索效率高，收斂 性能好。
[0003] 上述算法在優(yōu)化復(fù)雜高維多模函數(shù)時(shí)，仍容易陷入局部最優(yōu)。

【發(fā)明內(nèi)容】

[0004] 為了解決上述的技術(shù)問題，本發(fā)明模擬魚群撲食的行為，提出了一種高效的基于 魚群撲食行為的改進(jìn)粒子群算法。
[0005] 本發(fā)明所采用的技術(shù)方案是：一種高效的基于魚群撲食行為的改進(jìn)粒子群算法， 其特征在于，包括以下步驟：
[0006] 步驟1 :初始化高效的基于魚群撲食行為的改進(jìn)粒子群算法的參數(shù)，所述的參數(shù) 包括群體個(gè)數(shù)n、最大迭代次數(shù)maxk、慣性權(quán)重W、學(xué)習(xí)因子cdPC2、搜索粒子數(shù)m、搜索因 子c3和范圍因子c4，其中0 <m<n/10 ;
[0007] 步驟2 :對(duì)改進(jìn)粒子群中每個(gè)粒子的位置和速度進(jìn)行更新；
[0008] 步驟3:當(dāng)前全局最優(yōu)的粒子通過m個(gè)隨機(jī)粒子提供的自身最優(yōu)位置信息，尋找當(dāng) 前全局更優(yōu)的位置；
[0009] 步驟4 :將當(dāng)前全局最差粒子附近的弱小粒子通過隨機(jī)產(chǎn)生的粒子進(jìn)行替換； [0010] 步驟5 :判斷，高效的基于魚群撲食行為的改進(jìn)粒子群算法是否收斂或者是否達(dá) 到最大迭代次數(shù)？
[0011] 若是，則輸出全局最優(yōu)解的位置，這個(gè)位置即為優(yōu)化問題的解；
[0012] 若否，則回轉(zhuǎn)執(zhí)行所述的步驟2。
[0013] 作為優(yōu)選，步驟3的具體實(shí)現(xiàn)過程為，隨機(jī)選擇m個(gè)粒子，它們自身的最優(yōu)位置為： Pi，P2,...，Pm，當(dāng)前全局最優(yōu)粒子第j個(gè)方向搜索的位置為：
[0014] XX」=Pg+r3 *c3 ? (P」-Pg)，其中1 <j<11，1~3是[0, 1]間均勻分布的隨機(jī)數(shù)，c3是 搜索因子；判斷：若XX沖的最優(yōu)值優(yōu)于Pg，則用這個(gè)最優(yōu)值替代Pg;否則，P8的值不變。當(dāng) 前全局最優(yōu)值通過向少數(shù)粒子的自身最優(yōu)值學(xué)習(xí)，提高了算法的全局搜索能力。
[0015] 作為優(yōu)選，步驟4中所述的弱小粒子，若全局最差粒子群的位置為：Pb = (Pbl，Pb2,. . .，PbD)，第j個(gè)弱小粒子的位置為Yj，由于弱小粒子在全局最差粒子的附近，則t 和Pb的距離滿足關(guān)系式
【主權(quán)項(xiàng)】
1. 一種高效的基于魚群撲食行為的改進(jìn)粒子群算法，其特征在于，包括以下步驟： 步驟1:初始化高效的基于魚群撲食行為的改進(jìn)粒子群算法的參數(shù)，所述的參數(shù)包括 群體個(gè)數(shù)n、最大迭代次數(shù)maxk、慣性權(quán)重w、學(xué)習(xí)因子(^和c2、搜索粒子數(shù)m、搜索因子c3 和范圍因子c4，其中0彡m彡n/10 ; 步驟2 :對(duì)改進(jìn)粒子群中每個(gè)粒子的位置和速度進(jìn)行更新； 步驟3 :當(dāng)前全局最優(yōu)的粒子通過m個(gè)隨機(jī)粒子提供的自身最優(yōu)位置信息，尋找當(dāng)前全 局更優(yōu)的位置； 步驟4 :將當(dāng)前全局最差粒子附近的弱小粒子通過隨機(jī)產(chǎn)生的粒子進(jìn)行替換； 步驟5 :判斷，高效的基于魚群撲食行為的改進(jìn)粒子群算法是否收斂或者是否達(dá)到最 大迭代次數(shù)？ 若是，則輸出全局最優(yōu)解的位置，這個(gè)位置即為優(yōu)化問題的解； 若否，則回轉(zhuǎn)執(zhí)行所述的步驟2。
2. 根據(jù)權(quán)利要求1所述的高效的基于魚群撲食行為的改進(jìn)粒子群算法，其特征在于： 步驟3的具體實(shí)現(xiàn)過程為，隨機(jī)選擇m個(gè)粒子，它們自身的最優(yōu)位置為：PpP2,. . .，Pm，當(dāng)前 全局最優(yōu)粒子第j個(gè)方向搜索的位置為：XXj=Pg+r3 ?c3 ? (Pj-Pg)，其中1彡j彡n，1~3是 [〇, 1]間均勻分布的隨機(jī)數(shù)，c3是搜索因子；判斷：若XX#的最優(yōu)值優(yōu)于Pg，則用這個(gè)最優(yōu) 值替代Pg;否則，Pg的值不變。
3. 根據(jù)權(quán)利要求1所述的高效的基于魚群撲食行為的改進(jìn)粒子群算法，其特征在于： 步驟4中所述的弱小粒子，若全局最差粒子群的位置為：Pb=(Pbl，Pb2,. . .，PbD)，第j個(gè)弱 小粒子的位置為Yf，由于弱小粒子在全局最差粒子的附近，則YjPPb的距離滿足關(guān)系式
]c4是范圍因子，Range是粒子的搜索范圍。
【專利摘要】本發(fā)明公開了一種高效的基于魚群撲食行為的改進(jìn)粒子群算法，本發(fā)明模擬這種智能行為，當(dāng)前全局最優(yōu)的粒子通過其他少數(shù)隨機(jī)粒子提供的自身最優(yōu)位置信息，尋找當(dāng)前全局更優(yōu)的位置。當(dāng)魚群被其他撲食者攻擊時(shí)，弱小的不能很快逃走的魚將會(huì)被吃掉。本發(fā)明模擬這些行為，將當(dāng)前全局最差粒子附近的弱小粒子通過隨機(jī)產(chǎn)生的粒子進(jìn)行替換，這樣增強(qiáng)了群體的多樣性，F(xiàn)SPSO能有效地避免局部最優(yōu)值。本發(fā)明能具體應(yīng)用在函數(shù)優(yōu)化、背包問題、旅行商問題、流水線作業(yè)問題和圖形圖像處理等復(fù)雜優(yōu)化問題的求解過程中。
【IPC分類】G06N3-00
【公開號(hào)】CN104809500
【申請(qǐng)?zhí)枴緾N201510252869
【發(fā)明人】何發(fā)智, 鄢小虎
【申請(qǐng)人】武漢大學(xué)
【公開日】2015年7月29日
【申請(qǐng)日】2015年5月18日