云计算平台上的粒子群优化方法及系统的制作方法

文档序号:6535088阅读:174来源:国知局
云计算平台上的粒子群优化方法及系统的制作方法
【专利摘要】本发明公开了一种云计算平台上的粒子群优化方法及系统,克服目前粒子群优化算法所存在的快速趋同效应的不足,其根据该粒子的速度矢量的惯性部分、认知部分、群内社会部分以及全局社会部分等来进行优化。本申请的实施例可以使用云计算平台的分布式环境加以实现。本申请的实施例能够有效避免粒子陷入早熟收敛,增大粒子逃离局部最优的可能性。
【专利说明】云计算平台上的粒子群优化方法及系统
【技术领域】
[0001]本发明涉及粒子群优化技术,尤其涉及一种云计算平台上的粒子群优化方法及系统。
【背景技术】
[0002]粒子群优化算法(Particle Swarm Optimizer,简称PS0)的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,是一种基于群体智能的全局随机搜索算法。
[0003]粒子群算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。
[0004]粒子群优化算法与其他进化算法一样,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优位置和邻域历史最优位置聚集,进而实现对候选解的进化。
[0005]基本粒子群算法采用速度-位置搜索策略,通常描述为:在一个n (n大于I)维的解空间中,有一个由m (m大于I)个粒子组成的种群,每个粒子代表解空间的一个候选解。
[0006]其中,第i (i=l,2,3,…,m)个粒子在n维解空间中的位置矢量表示为Xi= (Xn,Xi2,…,xin),速度矢量表示为Vi= (Vil,Xi2,…,XinX第i个粒子从开始到当前迭代次数得到的最优解:个体历史最优位置矢量Pi= (PuPi2,…,PinX整个粒子种群目前的最优解:群内历史最优位置矢量Pg= (Pgl, Pg2,…,PgnX
[0007]单个粒子通过以下两个表达式分别对速度矢量和位置矢量进行更新。
[0008]
【权利要求】
1.一种云计算平台上的粒子群优化方法,所述云计算平台上预设有多个种群,每个种群中包含有多个粒子,所有种群中的每个粒子都有一历史速度矢量、一个体历史位置矢量、一个体历史最优适应值以及与该个体历史最优适应值对应的一个体历史最优位置矢量,每个种群都有一群内历史最优适应值及对应的群内历史最优位置矢量,所有种群具有一全局历史最优适应值及对应的全局历史最优位置矢量;在该方法中,对于所有种群中的每个粒子均执行如下操作: 根据该粒子的速度矢量的惯性部分、认知部分、群内社会部分以及全局社会部分更新获得该粒子的当前速度矢量;其中,该粒子的速度矢量的全局社会部分反映了种群间协同合作与知识共享的群体历史经验; 根据该粒子的历史位置矢量以及所述当前速度矢量更新获得该粒子的当前位置矢量; 根据所述当前位置矢量获得该粒子的当前适应值; 判断该粒子的所述当前适应值是否优于该粒子的个体历史最优适应值,是则将该粒子的个体历史最优适应值更新为所述当前适应值,并将该粒子的个体历史最优位置矢量更新为所述当前位置矢量; 判断该粒子的所述当前适应值是否优于该粒子所属种群的群内历史最优适应值,是则将该粒子所属种群的群内历史最优适应值更新为该粒子的所述当前适应值,并将该粒子所属种群的群内历史最优位置矢量更新为所述当前位置矢量; 判断该粒子的所述当前适应 值是否优于所述全局历史最优适应值,是则将所述全局历史最优适应值更新为该粒子的所述当前适应值,并将所述全局历史最优位置矢量更新为所述当前位置矢量。
2.根据权利要求1所述的方法,其中,根据该粒子的速度矢量的惯性部分、认知部分、群内社会部分以及全局社会部分更新获得该粒子的当前速度矢量,包括: 根据该粒子的历史速度矢量获得该粒子的速度矢量的所述惯性部分; 根据该粒子的个体历史最优位置矢量及前一次更新后的历史位置矢量获得该粒子的速度矢量的所述认知部分; 根据该粒子的群内历史最优位置矢量及前一次更新后的历史位置矢量获得该粒子的速度矢量的所述群内社会部分; 根据该粒子的全局历史最优位置矢量及前一次更新后的历史位置矢量获得该粒子的速度矢量的所述全局社会部分; 根据该粒子的速度矢量的所述认知部分、群内社会部分以及全局社会部分更新获得该粒子的当前速度矢量。
3.根据权利要求2所述的方法,其中,根据如下表达式更新获得该粒子的当前速度矢量:
Vid (t+1) =wVid (t) +C^1 (Pid (t) -Xid (t)) +c2r2 (Pgd (t) -Xid (t)) +c3r3 (PGd (t) -Xid (t)); 其中: Vid(t+1)表示该粒子本次更新后的所述当前速度矢量;i表示该粒子在其所属种群内的序号;d=l,2,3,…,n,n为解空间的维度; wVid(t)为该粒子的速度矢量的所述惯性部分,Vid (t+1)表示该粒子本次更新后的所述当前速度矢量,Vid(t)表示该粒子前一次更新后的所述历史速度矢量,W为惯性因子; Ciri (Pid(t)-Xid(t))为该粒子的速度矢量的所述认知部分,Pid(t)表示该粒子的所述个体历史最优位置矢量,Xid (t)为该粒子前一次更新后的所述历史位置矢量,C1表示该粒子对自身历史经验记忆能力的第一学习因子,r:为第一随机数; c2r2(Pgd(t)-Xid(t))为该粒子的速度矢量的所述群内社会部分,Pgd(t)表示该粒子的所述群内历史最优位置矢量,C2表示同一种群内粒子间协同合作与知识共享的群体学习能力的第二学习因子,r2为第二随机数; c3r3(PGd(t)-Xid(t))为该粒子的速度矢量的所述全局社会部分,PM(t)表示该粒子的所述全局历史最优位置矢量,C3表示种群之间进行协同合作与知识共享的群体学习能力的第三学习因子,1~3为第三随机数。
4.根据权利要求3所述的方法,其中: 不同种群之间的所述惯性因子W、第一学习因子C1、第二学习因子C2、第三学习因子c3、第一随机数A、第二随机数r2及第三随机数r3不相等。
5.一种云计算平台上的粒子群优化系统,所述云计算平台上预设有多个种群,每个种群中包含有多个粒子,所有种群中的每个粒子都有一历史速度矢量、一个体历史位置矢量、一个体历史最优适应值以及与该个体历史最优适应值对应的一个体历史最优位置矢量,每个种群都有一群内历史最优适应值及对应的群内历史最优位置矢量,所有种群具有一全局历史最优适应值及对应的全局历史最优位置矢量;该系统包括: 速度更新模块,根据所有种群中每个粒子的速度矢量的惯性部分、认知部分、群内社会部分以及全局社会部分更新获得该粒子的当前速度矢量;其中,该粒子的速度矢量的全局社会部分反映了种群间协同合作与知`识共享的群体历史经验; 位置获取模块,根据该粒子的历史位置矢量以及所述当前速度矢量更新获得该粒子的当前位置矢量; 适应值获取模块,根据所述当前位置矢量获得该粒子的当前适应值; 第一判断模块,判断该粒子的所述当前适应值是否优于该粒子的个体历史最优适应值; 个体更新模块,在该第一判断模块判断出该粒子的所述当前适应值优于该粒子的个体历史最优适应值时,将该粒子的个体历史最优适应值更新为所述当前适应值,并将该粒子的个体历史最优位置矢量更新为所述当前位置矢量; 第二判断模块,判断该粒子的所述当前适应值是否优于该粒子所属种群的群内历史最优适应值; 群内更新模块,在该第二判断模块判断出该粒子的所述当前适应值优于该粒子所属种群的群内历史最优适应值时,将该粒子所属种群的群内历史最优适应值更新为该粒子的所述当前适应值,并将该粒子所属种群的群内历史最优位置矢量更新为所述当前位置矢量;第三判断模块,判断该粒子的所述当前适应值是否优于所述全局历史最优适应值;全局更新模块,在该第三判断模块判断该粒子的所述当前适应值优于所述全局历史最优适应值时,将所述全局历史最优适应值更新为该粒子的所述当前适应值,并将所述全局历史最优位置矢量更新为所述当前位置矢量。
6.根据权利要求5所述的系统,其中,所述速度更新模块包括:第一获取单元,根据该粒子的历史速度矢量获得该粒子的速度矢量的所述惯性部分;第二获取单元,根据该粒子的个体历史最优位置矢量及前一次更新后的历史位置矢量获得该粒子的速度矢量的所述认知部分; 第三获取单元,根据该粒子的群内历史最优位置矢量及前一次更新后的历史位置矢量获得该粒子的速度矢量的所述群内社会部分; 第四获取单元,根据该粒子的全局历史最优位置矢量及前一次更新后的历史位置矢量获得该粒子的速度矢量的所述全局社会部分; 速度更新单元,根据该粒子的速度矢量的所述认知部分、群内社会部分以及全局社会部分更新获得该粒子的当前速度矢量。
7.根据权利要求6所述的系统,其中: 所述第一获取单元根据表达式wVid (t)获得该粒子的速度矢量的所述惯性部分,其中Vid(t)表示该粒子前一次更新后的所述历史速度矢量,w为惯性因子;1表示该粒子在其所属种群内的序号;d=l,2,3,…,n,n为解空间的维度; 所述第二获取单元根据表达式C^1 (Pid(t)-Xid(t))获得该粒子的速度矢量的所述认知部分,其中Pid (t)表示该粒子的所述个体历史最优位置矢量,Xid (t)为该粒子前一次更新后的所述历史位置矢量,C1表示该粒子对自身历史经验记忆能力的第一学习因子,r:为第一随机数; 所述第三获取单元根据表达式c2r2 (Pgd(t)-Xid(t))获得该粒子的速度矢量的所述群内社会部分,其中Pgd(t)表示该粒子的所述群内历史最优位置矢量,C2表示同一种群内粒子间协同合作与知识共享的群体学习能力的第二学习因子,r2为第二随机数; 所述第四获取单元根据表达式c3r3(PM(t)-Xid(t))获得该粒子的速度矢量的所述全局社会部分,其中Ped(t)表示该粒子的所述全局历史最优位置矢量,C3表示种群之间进行协同合作与知识共享的群体学习能力的第三学习因子,r3为第三随机数; 所述速度更新单元根据如下表达式更新获得该粒子的当前速度矢量:

【文档编号】G06F19/00GK103761566SQ201410005637
【公开日】2014年4月30日 申请日期:2014年1月6日 优先权日:2014年1月6日
【发明者】张俊 申请人:浪潮(北京)电子信息产业有限公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1