一種人工魚群與粒子群混合優化的確定方法
【專利摘要】本發明公開一種人工魚群與粒子群混合優化的確定方法，包括如下步驟：初始化人工魚群和粒子群；計算每個個體的適應度函數值；判斷兩個種群個體適應度值是否都滿足邊界條件，不滿足的重新更新數值，直至所有個體滿足邊界條件；將兩個種群執行各自算法，得到新的種群；將兩個群體中適應度值最小的個體數值作為最優解賦給公告板Best；選取兩個群體中適應度較差的10%的個體，進行跳躍，更新數值；循環更新公告板上的Best，直到Best小于誤差限為止。本發明具有收斂速度快，求解精度高的特點。
【專利說明】一種人工魚群與粒子群混合優化的確定方法
【技術領域】
[0001]本發明涉及測繪學，具體涉及一種人工魚群和粒子群混合優化的確定方法。
【背景技術】
[0002]人工魚群算法具有求取全局極值的良好能力，并且具有對處置、參數選擇不敏感、魯棒性強、簡單、易操作等優點，已在神經網絡、模式識別、參數估計、辨識方法等諸方面應用，但是傳統的計算方法收斂速度比較慢，且精度不高。
【發明內容】
[0003]發明目的:本發明的目的在于解決現有技術中存在的不足，提供一種人工魚群與粒子群混合優化的確定方法。
[0004]技術方案:本發明的一種人工魚群與粒子群混合優化的確定方法，具體包括以下步驟:
[0005](I)初始化人工魚群POPl，在變量可行域內隨機生成N個個體，設定人工魚群POPl的可視域為Visual，人工魚群POPl的移動步長為St印，人工魚群POPl的擁擠度因子為σ ;人工魚群的跳躍概率為P;
[0006](2)初始化粒子群POP2，在變量可行域內隨機生成N個個體，設定粒子群POP2的加速度因子為cl和c2,參數η和r2,慣性權重系數為w ；
[0007](3)將POPl按人工魚群算法的適應度函數計算出每個個體的適應度函數值，POP2按粒子群算法的適應度函數算出每個個體的適應度函數值；判斷兩個種群的個體的適應度值是否符合邊界條件，不符合的重新隨機生成個體數值，直至所有的個體適應度值符合邊界條件；
[0008](4)將POPl執行人工魚群算法，得到新的種群Ρ0Ρ1' ；
[0009]其中，人工魚群算法覓食行為公式如下:
[0010]
【權利要求】
1.一種人工魚群與粒子群混合優化的確定方法，其特征在于:具體包括以下步驟: (1)初始化人工魚群POPl，在變量可行域內隨機生成N個個體，設定人工魚群POPl的可視域為Visual，人工魚群POPl的移動步長為St印，人工魚群POPl的擁擠度因子為σ ;人工魚群的跳躍概率為P; (2)初始化粒子群POP2，在變量可行域內隨機生成N個個體，設定粒子群POP2的加速度因子為cl和c2,參數η和r2,慣性權重系數為w ； (3)將POPl按人工魚群算法的適應度函數計算出每個個體的適應度函數值，POP2按粒子群算法的適應度函數算出每個個體的適應度函數值；判斷兩個種群的個體的適應度值是否符合邊界條件，不符合的重新隨機生成個體數值，直至所有的個體適應度值符合邊界條件； (4)將POPl執行人工魚群算法，得到新的種群Ρ0Ρ； 其中，人工魚群算法覓食行為公式如下:
2.根據權利要求1所述的人工魚群和粒子群混合優化的確定方法，其特征在于:所述步驟(1)中跳躍概率P取值區間為~0.5，人工魚群和粒子群兩個群體內的各個個體的跳躍區間為(l-P)*Xi~(l+P)*Xi，其中Xi為種群個體在某時刻的位置。
3.根據權利要求1所述的人工魚群和粒子群混合優化的確定方法，其特征在于:所述步驟(3)中給兩個種群個體設定邊界條件，對于適應度值超出邊界條件的，重新生成個體數值，直至其適應度值在邊界條件內，邊界條件為:設適應度函數的方程個數為n，個體數值為X，X的維數為m，若適應度值F X)滿足為:
4.根據權利要求1所述的人工魚群和粒子群混合優化的確定方法，其特征在于:所述步驟(7)中各個個體跳躍的具體步驟為: 將種群ΡΟΡ1'和POP2’中個體的適應度值作比較，選取較差的10%的個體，每個個體進行跳躍，更新其數值，跳躍公式如下:
Xi=Best* (rand*2P+ (1-P)) 式中，Xi為種群個體位置，Best為公告板上最優值，P為跳躍概率。
【文檔編號】G06Q10/04GK103886396SQ201410141155
【公開日】2014年6月25日 申請日期:2014年4月10日 優先權日:2014年4月10日
【發明者】岳建平, 劉斌, 張濤, 顧景強, 曾寶慶, 梁子亮 申請人:河海大學