一种基于组织膜结构的混合p系统算法
【技术领域】
[0001] 本发明涉及膜算法技术领域，尤其涉及一种基于组织膜结构的混合P系统算法。
【背景技术】
[0002] 近几年，膜算法已成功应用于求解各类优化问题，如旅行商问题、最小存储问题、 车间作业调度问题等等。凭借其可靠性高，收敛速度快和求解质量好的优越性，膜算法已经 渗透到了控制系统、过程控制等。凹印机套色控制系统就是根据套色误差和控制量变化，并 利用膜算法对控制器参数进行调整。现有技术中都是以套色误差的改进来验证算法的有效 性，而没有考虑到看质量的变化情况。如果控制量变化剧烈，必然对生产设备产生大的冲 击，从而增加设备维护的费用，缩短设备的使用寿命。事实上凹印机套色控制系统是一个强 耦合、大之后的系统，之光上，解除系统的耦合关系将有助于套色性能的提升，但是要解除 强烈的耦合关系通常会造成很大的控制量变化。位于凹印机套色控制系统而言，控制量变 化剧烈不仅意味着设备上的不良效应，而且会给整个系统的套色性能带来负面影响，这是 因为大的控制量变化对后续色组的误差的影响也大。因为对于凹印机套色控制系统很有必 要在减少套色误差的同时，兼顾考虑控制量的变化情况。
【发明内容】
[0003] 本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于组织膜结 构的混合P系统算法。
[0004] 本发明解决上述技术问题的技术方案如下：一种基于组织膜结构的混合P系统算 法，包括：
[0005] 步骤SOl :初始化系统的结构和参数，将组织膜结构内的计算空间划分成区域1和 四个区域2;
[0006] 其中，每个所述区域2中个体数m = 5,初始化迭代次数t = 0,最大迭代次数MAX_ GEN ；
[0007] 步骤S02 :在每个区域2中根据改进更新规则更新区域2中的个体，并对迭代次数 t以t = t+Ι的方式进行累加；
[0008] 步骤S03 :判断区域2中的个体是否满足误差条件，如果是，则计算对应的目标函 数值，否则不计算对应的目标函数值；
[0009] 步骤S04 :将区域2中目标函数的最优解送入区域1中；
[0010] 步骤S05 :在区域1中根据模拟退火算子判断是否保留并更新区域1中的最优解；
[0011] 步骤S06 :判断所述迭代次数t是否等于最大迭代次数MAX_GEN，如果是，则终止程 序，并输出最优解，否则返回步骤S02。
[0012] 本发明的有益效果是：本发明的一种基于组织膜结构的混合P系统算法，将种群 划分与基膜中独立搜索，增加了种群的多样性，获得更好的优化性能，具有很好的全局搜索 能力和求解高维问题的能力，在凹印机套色控制系统中能兼顾套色误差与控制量的变化情 况，在保障精度和快速性的前提下改善控制量的平稳性，可以较快的消除套色误差，并使得 控制量相对柔和。
[0013] 在上述技术方案的基础上，本发明还可以做如下改进：
[0014] 进一步：所述步骤SOl中，所述组织膜结构包括4个基膜和1个表层膜，将组织膜 结构内的计算空间划分成5个区域，每个所述基膜对应一个区域2,所述表层膜对应区域1， 且区域1为所述组织膜结构内除区域2以外的区域。
[0015] 上述进一步方案的有益效果是：通过将膜结构内的框架进行划分，使得每个区域 中都有相应的规则和对象的多丛集参与运算，每个基膜对应的区域2中均包含了一组自种 群和改进更新规则，并且每个基膜对应的区域1均独立进行运算，提高了运算的效率和运 算的准确性。
[0016] 进一步：所述步骤S02中，改进更新规则为：在每个区域2中以概率P利用本区域 中的最好个体所提供的信息进行更新，以概率I-P利用所有区域中的最好个体提供的信息 进行更新，具体如下：
[0018] 其中，Bestl为区域1中的最优解，Best2为区域2中的最优解，iter表示当前迭 代数，k 3、k4、M5P k 6均在[0, 1]范围内，k p、kd均在[30, 80]范围内，P在[0, 1]范围内。
[0019] 上述进一步方案的有益效果是：通过上述改进更新规则进行更新后，确保区域2 中的每个个体的误差减少，提高结果的准确性。
[0020] 进一步：在所述步骤S02中运行了改进更新规则后，若存在个体的范围超出了相 应区域的个体，则系统应用修正规则将超出的参数修正会原来的区域，具体如下：
[0023] 上述进一步方案的有益效果是：通过修正规则可以使得区域2中的个体不会超出 对应的区域，并保持在其原来的区域，可以去除个别个体的偶然错误导致最终输出解出现 偏差。
[0024] 进一步：所述步骤S03中的误差条件为：区域2中的个体在执行20个仿真周期后 误差小于10。
[0025] 上述进一步方案的有益效果是：通过对区域2中的个体进行误差校验，可以舍弃 误差$父大的目标函数值，提尚区域2中最优解的精确性。
[0026] 进一步：所述步骤S03中，如果区域2中的个体不满足误差条件，则将对应的目标 函数值赋予正无穷大，使之不被选择。
[0027] 上述进一步方案的有益效果是：通过上述方式可以自动识别区域2中不满足误差 条件的个体，防止由于区域2中的个体由于误差过大而产生的目标函数值也存在较大偏差 和错误。
[0028] 进一步：所述步骤S04中，在将区域2中的最优解送入区域1中，同时根据通讯规 则更新区域1和区域2中的解，以便下次迭代。
[0029] 进一步：所述通讯规则为：将区域2中的最优解送入区域1中的同时，将区域1中 的最优解分别送入每个区域2中。
[0030] 上述进一步方案的有益效果是：通通讯规则可以实现区域1和区域2之间的双向 数据的交换，便于及时更新区域1和区域2中的最优解。
[0031] 进一步：所述模拟退火算子具体为：若更新后的某个个体对应的目标函数值小于 该个体之前搜索到的最小值，则接受该解，若更新后的某个个体对应的目标函数值大于该 个体之前搜索到的最小值，且e E/T> e，（e为[0, 1]上的随机数），则也接受该解，否则不接 受该解。
[0032] 上述进一步方案的有益效果是：通过模拟退火算子可以提高区域1中最优解的准 确性。
[0033] 进一步：所述最大迭代次数MAX_GEN = 1500。
【附图说明】
[0034] 图1为本发明的一种基于组织膜结构的混合P系统算法流程图。
【具体实施方式】
[0035] 以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并 非用于限定本发明的范围。
[0036] 如图1所示，一种基于组织膜结构的混合P系统算法流程图，包括：
[0037] 步骤SOl :初始化系统的结构和参数，将组织膜结构内的计算空间划分成区域1和 四个区域2;
[0038] 其中，每个所述区域2中个体数m = 5,初始化迭代次数t = 0,最大迭代次数MAX_ GEN ；
[0039] 步骤S02 :在每个区域2中根据改进更新规则更新区域2中的个体，并对迭代次数 t以t = t+Ι的方式进行累加；
[0040] 步骤S03 :判断区域2中的个体是否满足误差条件，如果是，则计算对应的目标函 数值，否则不计算对应的目标函数值；
[0041] 步骤S04 :将区域2中目标函数的最优解送入区域1中；
[0042] 步骤S05 :在区域1中根据模拟退火算子判断是否保留并更新区域1中的最优解；
[0043] 步骤S06 :判断所述迭代次数t是否等于最大迭代次数MAX_GEN，如果是，则终止程 序，并输出最优解，否则返回步骤S02。
[0044] 本实施例中，所述步骤SOl中，所述组织膜结构包括4个基膜和1个表层膜，将组 织膜结构内的计算空间划分成5个