一種自學(xué)習(xí)遷移粒子群人工智能算法
【專利摘要】本發(fā)明公開了一種自學(xué)習(xí)遷移粒子群人工智能算法，包括1：輸入自學(xué)習(xí)遷移粒子群算法的各項(xiàng)參數(shù)；2：隨機(jī)給粒子的位置和速度賦值，計(jì)算粒子的適應(yīng)度值，生成初始種群；3：對粒子的慣性權(quán)重進(jìn)行自適應(yīng)調(diào)整，更新粒子的位置和速度，生成新一代種群，計(jì)算新的適應(yīng)度，并與個體最優(yōu)值和全局最優(yōu)值進(jìn)行比較，判斷是否更新；4：采用遷移操作來修正全局最優(yōu)粒子的飛行方向，生成新的種群；5：判斷是否滿足全局最優(yōu)粒子適應(yīng)度值連續(xù)若干次小于給定收斂閾值或達(dá)到最大迭代次數(shù)兩個條件之一，若否，則回轉(zhuǎn)執(zhí)行所述的步驟3；若是，則迭代停止，輸出最終優(yōu)化結(jié)果。本發(fā)明既提高了算法的收斂速度與精度，又能有效地解決粒子群算法易于陷入局部最優(yōu)的問題。
【專利說明】一種自學(xué)習(xí)遷移粒子群人工智能算法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于人工智能算法領(lǐng)域，尤其涉及一種自學(xué)習(xí)遷移粒子群人工智能算法?！颈尘凹夹g(shù)】
[0002]近年來迅速發(fā)展的人工智能算法，如遺傳算法、免疫算法、模擬退火算法和粒子群算法等被廣泛地運(yùn)用于各項(xiàng)科學(xué)研究領(lǐng)域，并且取得了很好的效果。其中，粒子群算法與其他算法相比具有原理簡單、易于實(shí)現(xiàn)且收斂速度快的優(yōu)點(diǎn)，但是在迭代過程中容易早熟收斂、易陷于局部最優(yōu)。
[0003]近年來大量學(xué)者在標(biāo)準(zhǔn)粒子群算法的基礎(chǔ)上進(jìn)行改進(jìn)，其中很大一部分是對慣性權(quán)重參數(shù)的選取進(jìn)行改進(jìn)。但隨著迭代次數(shù)的增加，由于粒子的聚集，慣性權(quán)重所起的作用越來越小，對慣性權(quán)重參數(shù)的修改并沒有從根本上改變粒子群算法存在的粒子群后期朝單一方向進(jìn)化的弊端，因此仍然存在易陷入局部最優(yōu)的問題。

【發(fā)明內(nèi)容】

[0004]本發(fā)明主要是解決現(xiàn)有技術(shù)所存在的技術(shù)問題，在對慣性權(quán)重進(jìn)行自適應(yīng)控制的改進(jìn)粒子群算法基礎(chǔ)上，通過引入遷移操作來指導(dǎo)全局最優(yōu)粒子的飛行方向，引導(dǎo)全局最優(yōu)粒子向周圍環(huán)境中可能存在的更優(yōu)信息進(jìn)行學(xué)習(xí)，使之朝著最優(yōu)方向進(jìn)化，最終完成對全局最優(yōu)的求解。
[0005]本發(fā)明所采用的技術(shù)方案是:一種自學(xué)習(xí)遷移粒子群人工智能算法，其特征在于，包括以下步驟:
[0006]步驟1:輸入自學(xué)習(xí)遷移粒子群算法的各項(xiàng)參數(shù)；
[0007]步驟2:隨機(jī)給粒子的位置和速度賦值，計(jì)算粒子的適應(yīng)度值，生成初始種群；
[0008]步驟3:對粒子的慣性權(quán)重進(jìn)行自適應(yīng)調(diào)整，更新粒子的位置和速度，生成新一代種群，計(jì)算新的適應(yīng)度，并與個體最優(yōu)值和全局最優(yōu)值進(jìn)行比較，判斷是否更新；
[0009]步驟4:采用遷移操作來修正全局最優(yōu)粒子的飛行方向，對全局最優(yōu)粒子信息進(jìn)行修正；
[0010]步驟5:判斷是否收斂，即判斷是否滿足全局最優(yōu)粒子適應(yīng)度值連續(xù)若干次小于給定收斂閾值或達(dá)到最大迭代次數(shù)兩個條件之一，
[0011]若否，則回轉(zhuǎn)執(zhí)行所述的步驟3 ;
[0012]若是，則迭代停止，輸出最終優(yōu)化結(jié)果。
[0013]作為優(yōu)選，步驟I中所述的自學(xué)習(xí)遷移粒子群算法的各項(xiàng)參數(shù)包括粒子數(shù)、最大迭代次數(shù)、慣性權(quán)重上下限、個體學(xué)習(xí)因子、社會學(xué)習(xí)因子、單次遷移操作隨機(jī)選擇的非最優(yōu)粒子數(shù)和收斂閾值。
[0014]作為優(yōu)選，步驟I中所述的采用遷移操作來修正全局最優(yōu)粒子的飛行方向，其具體實(shí)現(xiàn)包括以下子步驟:
[0015]步驟4.1:獲取當(dāng)前種群的各粒子的位置Xi及全局最優(yōu)粒子；[0016]步驟4.2:針對第j維，在非全局最優(yōu)粒子中隨機(jī)選取t個，分別將其第j維位置信息遷移至全局最優(yōu)粒子第j維；
[0017]步驟4.3:分別計(jì)算t次遷移后全局最優(yōu)粒子位置P’ g，計(jì)算得到的新適應(yīng)度值f；，對全局最優(yōu)粒子位置信息進(jìn)行更新:
[0018]
【權(quán)利要求】
1.一種自學(xué)習(xí)遷移粒子群人工智能算法，其特征在于，包括以下步驟: 步驟1:輸入自學(xué)習(xí)遷移粒子群算法的各項(xiàng)參數(shù)； 步驟2:隨機(jī)給粒子的位置和速度賦值，計(jì)算粒子的適應(yīng)度值，生成初始種群； 步驟3:對粒子的慣性權(quán)重進(jìn)行自適應(yīng)調(diào)整，更新粒子的位置和速度，生成新一代種群，計(jì)算新的適應(yīng)度，并與個體最優(yōu)值和全局最優(yōu)值進(jìn)行比較，判斷是否更新； 步驟4:采用遷移操作來修正全局最優(yōu)粒子的飛行方向，對全局最優(yōu)粒子信息進(jìn)行修正； 步驟5:判斷是否收斂，即判斷是否滿足全局最優(yōu)粒子適應(yīng)度值連續(xù)若干次小于給定收斂閾值或達(dá)到最大迭代次數(shù)兩個條件之一， 若否，則回轉(zhuǎn)執(zhí)行所述的步驟3 ； 若是，則迭代停止，輸出最終優(yōu)化結(jié)果。
2.根據(jù)權(quán)利要求1所述的自學(xué)習(xí)遷移粒子群人工智能算法，其特征在于:步驟I中所述的自學(xué)習(xí)遷移粒子群算法的各項(xiàng)參數(shù)包括粒子數(shù)、最大迭代次數(shù)、慣性權(quán)重上下限、個體學(xué)習(xí)因子、社會學(xué)習(xí)因子、單次遷移操作隨機(jī)選擇的非最優(yōu)粒子數(shù)和收斂閾值。
3.根據(jù)權(quán)利要求4所述的自學(xué)習(xí)遷移粒子群人工智能算法，其特征在于:步驟I中所述的采用遷移操作來修正全局最優(yōu)粒子的飛行方向，其具體實(shí)現(xiàn)包括以下子步驟: 步驟4.1:獲取當(dāng)前種群的各粒子的位置Xi及全局最優(yōu)粒子； 步驟4.2:針對第j維，在非全局最優(yōu)粒子中隨機(jī)選取t個，分別將其第j維位置信息遷移至全局最優(yōu)粒子第j維； 步驟4.3:分別計(jì)算t次遷移后全局最優(yōu)粒子位置P’ g，計(jì)算得到的新適應(yīng)度值fg’，對全局最優(yōu)粒子位置信息進(jìn)行修正:
【文檔編號】G06N3/00GK103903054SQ201410165298
【公開日】2014年7月2日 申請日期:2014年4月23日 優(yōu)先權(quán)日:2014年4月23日
【發(fā)明者】鄧長虹, 馬慶 申請人:武漢大學(xué)