[发明专利]将粒子群算法和虎克捷夫算法融合的方法及装置、优化虎克捷夫算法的方法及装置

权利要求书

1.将粒子群算法和虎克捷夫算法融合的方法，其特征在于，所述方法为：

在所述的粒子群算法对初始值的迭代结果不满足结束条件的情况下，在重新进行迭代之前将当前得到的粒子的极值利用所述的虎克捷夫算法进行优化，得到优化数据；

将得到的优化数据返回所述的粒子群算法的上层步骤进行再次运算。

2.根据权利要求1所述的将粒子群算法和虎克捷夫算法融合的方法，其特征在于，所述方法具体为：

包括：

初始化粒子群的步骤；

计算每个粒子的适应度值的适应度值采集步骤；

对每个粒子，用所述粒子的适应度值和个体极值比较，如果所述的适应度值较好，则将所述的粒子的适应度值作为当前的个体极值的步骤；

对每个粒子，用所述粒子的适应度值和全局极值比较，如果所述的适应度值较好，则将所述的粒子的适应度值作为当前的全局极值的步骤；

调整粒子的速度和位置，得到阶段结果的步骤；

判断所述的阶段结果是否满足结束条件的判断步骤；

如上述判断步骤得到的判断结果为满足，输出所述的阶段结果的步骤；

如上述判断步骤得到的判断结果为不满足，将所述的阶段结果返回计算每个粒子的适应度值的步骤；

在所述的返回计算每个粒子的适应度值的步骤中加入虎克捷夫算法的步骤。

3.根据权利要求2所述的将粒子群算法和虎克捷夫算法融合的方法，其特征在于，所述的加入虎克捷夫算法的步骤具体为：

包括：

将所述的阶段结果作为迭代中心的步骤；

沿坐标各方向以一定步长寻找目标函数下降的点，得到新的阶段结果的迭代步骤；

将所述的新的阶段结果为中心，重复所述的迭代步骤；

当所述的迭代步骤获得不了所述的目标函数下降的点时，减小步长后重复迭代步骤的步骤；

在所述的新的阶段结果达到收敛精度后将所述的新的阶段结果发送给所述的适应度值采集步骤进行重新迭代的步骤。

4.将粒子群算法和虎克捷夫算法融合的装置，其特征在于，所述装置包括：

包含有粒子群算法的粒子群模块；

包含有虎克捷夫算法的虎克捷夫模块；

融合模块，用于在所述的粒子群模块对初始值进行运算得到粒子的极值后，在判断得到所述的粒子的极值不满足收敛要求的结果的情况下介入，将所述的得到的粒子的极值在返回上层步骤之前传输至虎克捷夫模块进行运算，然后将得到的运算结果传输回所述的粒子群模块进行再次运算。

5.根据权利要求4所述的将粒子群算法和虎克捷夫算法融合的装置，其特征在于，所述装置具体为：

包括：

用于初始化粒子群的模块；

用于计算每个粒子的适应度值的适应度值采集模块；

用于对每个粒子用所述粒子的适应度值和个体极值比较的模块；

用于获得比较结果，如果所述的适应度值较好，则将所述的粒子的适应度值作为当前的个体极值的模块；

用于对每个粒子用所述资历的适应度值和全局极值比较的模块；

用于获得比较结果，如果所述的适应度值较好，则将所述的粒子的适应度值作为当前的全局极值的模块；

用于调整粒子的速度和位置，得到阶段结果的模块；

用于判断所述的阶段结果是否满足结束条件的判断模块；

用于在所述的判断模块的判断结果为满足时，输出所述的阶段结果的模块；

用于在所述的判断模块的判断结果为不满足时，将所述的阶段结果返回计算每个粒子的适应度值的模块的返回模块；

所述的返回模块还包括：用于在返回计算每个粒子的使用度的过程中加入虎克捷夫算法的加入算法子模块。