[发明专利]基于方势阱模型的量子行为粒子群优化方法

说明书

技术领域

本发明涉及入口匝道交通流PI控制器技术领域，尤其是基于方势阱模型的量子行为粒子群优化方法。

背景技术

交通瓶颈是交通拥堵的主要诱因之一。为了减小交通瓶颈的负面影响，在已有交通设施的基础上提高道路系统的通行效率，缓解城市交通拥堵，对交通瓶颈处流量控制的研究是非常必要的。目前，交通流量的动态预测与控制模型在智能交通诱导的研究和应用方面扮演着重要的角色，也成为智能交通理论研究的热点问题之一。如何在现有交通设施基础上对交通流量做出科学合理的预测和控制，对于改善道路交通状况具有重要意义。

反馈控制中的PI控制器因其结构简单、稳定性好、工作可靠、调整方便而成为工程控制的主要方法之一。PI控制器的性能取决于参数Kp和Ki取值是否合理，目前，PI控制器参数主要靠人工调整，这种方法不仅费时，而且无法保证获得最佳的性能。随着计算机技术的发展，计算智能为解决入口匝道交通流的控制问题提供了更有效的方法，可以根据不同的交通条件对入口匝道交通流PI控制器的控制策略选择最优的控制参数。其中，蚁群算法、粒子群算法、神经网络算法、元胞自动机算法、遗传算法等都已被用于入口匝道交通流PI控制器的参数优化。虽然计算智能方法在入口匝道交通流PI控制器模型上取得了一定的成果，但仍然存在以下问题：第一，由于粒子群算法、蚁群算法、遗传算法存在早期收敛的问题，致使求解精度不高；第二，由于路段交通流量具有实时变化性和非线性，现有模型对实时信息的反应不够迅速，对交通流量的控制实用性较弱。

因此，对于上述问题有必要提出一种轨道交通用环保信号线缆。

发明内容

针对目前已有量子行为粒子群优化算法(简称QPSO)中势阱模型选择单一、对已有信息独立随机进行加工、算法容易陷入局部最优、寻优能力不强等问题，本发明公开的基于方势阱模型的二元相关性QPSO算法，为避免算法早熟收敛，提高算法的寻优性能，增强路段使用率，提高交通流PI控制系统的时效性提供一种重要思路。

为实现上述的目的，本发明基于方势阱模型的二元相关性量子行为粒子群优化算法(简称BC-QSPSO)所采用的技术方案是：

基于方势阱模型的量子行为粒子群优化方法，其特征在于：建立了原QPSO算法中r1与r2的相关性描述，具体描述方法为二元正态Copula函数联合三种特殊的Copula，根据Copula函数的定义和Sklar定理，可以得到二元因子r1，r2的相关性描述公式：

H(r1,r2)＝C_ρ(r1,r2)＝Φ_ρ(Φ^-1(r1),Φ^-1(r2))

其中，H为二元相关因子r1,r2的联合分布函数，C为二元正态Copula函数，ρ为指定相关系数，线性相关系数ρ是度量变量间相关性强弱的指标，可以反映出二元相关因子r1,r2的线性相关特性，在QPSO模型中，r1,r2间的相关程度体现了粒子在选择势阱中心时对自身信念pbest和共享信念gbest持有度之间的关系，为平衡利用算法的已有信息提供了有效的途径，

基于方势阱模型的二元相关性量子行为粒子群优化算法中r1,r2的相关特性可以采用二元正态Copula函数与以上这三种Copula联合在一起共同描述：

原有QPSO算法采用的是Delta势阱，采用方势阱模型，下面都是粒子在方势阱模型中随机位置构建过程的描述，方势阱的状态函数可以通过解析的方式获得，利用蒙特卡洛方法将粒子在方势阱中运动的波函数坍缩到经典状态，通过求解和变换可以得到粒子在方势阱中位置的随机方程为

沿用平均最好位置C，令Z＝C-X，为了保证并加快QPSO算法的收敛速度，本发明采用概率控制势阱特征长度的方式并考虑到时间的变化，BC-QSPSO算法中粒子在一维有限深对称方势阱中的进化公式为

对于粒子i，将公式中的吸引子p点写成p_i＝(p_i,1,p_i,2,p_i,N)的形式，在每一维上都以p_i,j为中心建立一个一维有限深对称方势阱，对于给定的p_i,j，粒子i第j维的坐标基本进化方程为：

于是，BC-QSPSO模型中粒子在D维空间完整的进化公式如下：

优选地，使用BC-QSPSO对函数进行优化的具体流程如下：