[发明专利]一种混沌粒子群优化算法

说明书

一、技术领域

本发明属于优化算法领域，涉及混沌优化、粒子群优化等方法。

二、背景技术

粒子群优化算法(PSO)由鸟群觅食行为的启发而得到，鸟群中每个鸟都被看作一个没有体积和质量的粒子，粒子在搜索空间中以一定的速度飞行，并根据个体和集体飞行的经验调整自己的速度和位置。基本PSO初始粒子的选取是随机的，当解空间较大时随机选取的初始粒子不能保证它们能均匀分布在整个解空间，这样加大了PSO算法陷于局部最优的可能，不利于提高算法的优化效率。另外，在PSO算法中会有一部分粒子飞行到搜索空间以外，基本PSO算法对这部分粒子给以界限约束，把它们限制在搜索空间的边界位置。到达边界位置的粒子运行速度可能越来越小，这部分粒子将丧失进一步寻优的能力。由于PSO算法寻优依靠的是群体之间的竞争与合作，粒子本身缺乏变异机制，粒子本身很难跳出这种惰性状态。

三、专利内容：

1、专利目的

针对基本粒子群优化算法的局部收敛问题，发明一种混沌粒子群优化算法，以提高种群的多样性和粒子搜索的遍历性。

2、技术解决方案

利用混沌运动的遍历性对初始粒子的位置进行选取，并把到达边界的粒子重新放回到搜索空间，对这些粒子的初始位置按同样的混沌方法进行初始化，这样既不改变粒子群优化算法初始化时的随机性本质，又利用混沌提高了种群的多样性和粒子搜索的遍历性。

四、具体实施方式

混沌能在一定的范围内按其自身规律不重复地遍历所有状态。它是非线性确定性系统的一种内在随机过程的表现，具有随机性、遍历性和初值敏感性等特点。因此，可作为PSO算法中初始粒子和陷入边界位置的粒子重置位置的一种方法。混沌变量的产生，选择Logistic映射：

cjr+1=μcjr(1-cjr)r=1,2,···(1)]]>

其中μ是控制参数，c_j为混沌变量且0≤c_j≤1，j＝1，2…D，D为粒子位置的维数，r表示产生变异重置位置的粒子的序号。当μ＝4时，上式完全处于混沌状态且混沌变量c_j在(0，1)范围内遍历。利用混沌运动对初始值比较敏感的特点，在(0，1)区间任取D个不同的初始值(不能为0，0.25，0.50，0.75，1)，分别代入上式，则得到D个混沌变量对应第一个变异的粒子的位置。对应第二个变异的粒子的位置为依此类推。另外需要把混沌变量映射到相应的优化空间中的变量

xjr=xjmin+(xjmax-xjmin)cjr---(2)]]>

式中为的变化范围的边界值。