[发明专利]一种高维化工数据共轭粒子群算法处理方法

权利要求书

1.一种高维化工数据共轭粒子群算法处理方法，其特征在于，所述高维化工数据共轭粒子群算法处理方法包括以下步骤：

步骤一，粒子群算法迭代了一定步数而陷入局部极值并得局部最优解x*时，以x*为初值，用共轭方向法对其求解；

步骤二，利用粒子群算法对低维优化问题的有效性，将得新的更优的当前最优解x**，从而使算法跳出局部极值；

步骤三，在新极值的条件下，又用粒子群算法对原问题求解，如此反复直至结束。

2.如权利要求1所述的高维化工数据共轭粒子群算法处理方法，其特征在于，所述基本粒子群算法及其数学分析为：

设优化问题表述为：

(1)基本粒子群算法：称每个生物个体为粒子，PSO将由一组粒子在n维空间中搜索最优解，每个粒子所处的位置表示一解向量，作为智能体它能记住自身搜索到的最优解，并获取全粒子群所经历过的最优解，由此指导其移动，逐步迭代寻得最优解；

记第i个粒子在第j代时的位置为x_i(j)，它本身和全粒子群所搜索到的最优解分别为p_id(j)和p_gd(j)，它的移动速度矢量为v_i(j)，则在第j+1代时第i个粒子将移至：

v_i(j+1)＝ωφ₁v_i(j)+η₁φ₂(p_id(j)-x_i(j)计η₂φ₃(p_gd(j)-x_i(j)) (2)

x_i(j+1)＝x_i(j)+v_i(j+1) (3)

其中：ω，η₁，η₂均为取值于[0，1]中的控制参数，其对算法性能有重要影响但很难确定适当的值，φ₁，φ₂，φ₃是[0，1]区间的随机数；同时不同的邻域结构对于算法效率和收敛速度的影响；

(2)粒子群算法的数学分析

对于粒子群算法：①若算法只有一个粒子且不含1，把(2)式代入(3)式得：

x_i(j+1)＝x_i(j)+(η₁φ₁+η₂φ₂)(p_id(j)-x_i(j))；

从这个角度看，粒子群算法是爬山算法的一种推广，每次都朝最优方向前进；②从整个算法看，它可以看作以方向p_id(j)-x_i(j)与方向p_gd(j)-x_i(j)的加权作为搜索方向；p_gd起引领作用，每个粒子在各自的某一范围内进行搜索；一般初始粒子是均匀分布在整个搜索域内，所以对目标函数不是很高时一般能得到问题的最优解；而当目标函数的维数较高时，若算法一旦陷入局部极值，由于各维变量之间的相互制约，并且若在几步中不变，即p_id(1)＝p_id(2)，则：

x_i(2)＝x_i(1)+(η₁φ₁+η₂φ₂)(p_id(1)-·x_i(1))

x_i(3)＝x_i(2)+(η₁φ₁+η₁φ₂)(p_id(1)-x_i(2))＝x_i(1)+k(p_id(1)-x_i(1))；

其中：k＝2(η₁φ₁+η₂φ₂)-(η₁φ₁+η₂φ₂)²。