[发明专利]一种基于多种群的粒子群计算方法

说明书

技术领域

本发明涉及计算机应用技术领域,具体地说是一种基于多种群的粒子群计算方法。

背景技术

粒子群优化计算方法（Particle Swarm Optimizer，简称PSO），由Kennedy和Eberhart与1995年首次提出，其基本思想来源于模拟鸟群在觅食过程中的迁徙和群聚行为，是一种基于基于群体智能的全局随机搜索计算方法。粒子群计算方法具有很好的生物社会特性，形象直观，而且易于实现，对非线性、多峰问题均具有较强的全局搜索能力，在科学研究与工程实践中得到了广泛关注。

粒子群优化计算方法与其他进化计算方法一样，也有基于种群和进化的概念，通过个体间的协作与竞争，实现复杂空间最优解的搜索。它将群体（Swarm）中的个体看作是的多维空间中没有质量和体积的粒子（Particle），每个粒子以一定的速度在解空间中运动，并在搜索过程中逐渐向自身历史最佳位置和邻域历史最佳位置聚集，进而实现对候选解的进化。

基本粒子群计算方法采用速度-位置搜索策略，通常描述为：在一个n维的解空间中，有一个由m个粒子组成的种群，每个粒子代表解空间的一个候选解；其中，第i( i = 1,2,3,…,m)个粒子在n维解空间中的位置表示为X_i = ( X_i1, X_i2,…, X_in)，速度表示为V_i = ( V_i1, X_i2,…, X_in)；第i个粒子从开始到当前迭代次数得到的最优解：个体极值P_i = ( P_i1, P_i2,…, P_in)，整个粒子种群目前的最优解：全局极值P_g = ( P_g1, P_g2,…, P_gn)；单个粒子通过以下两个公式分别对速度和位置进行更新。

V_id(t+1) = wV_id(t) + c₁r₁ (P_id(t) - X_id(t))+c₂r₂ (P_gd(t) - X_id(t))(公式1)

X_id(t+1) = X_id(t) + V_id(t+1)(公式2)