基于自适应分布式差分进化算法的功率电子电路优化方法

摘要

本发明公开了一种基于自适应分布式差分进化算法的功率电子电路优化方法，该方法步骤包括：在主计算节点上初始化参数，根据给定的元件取值范围随机初始化N个可行解，将每个可行解放置到相应的子计算节点中分布式地并行评估每个个体xi的适应值，计算后将每个可行解的适应值返回给主计算节点；根据可行解的历史信息自适应调整差分进化算法的参数F和CR；更新参数后，对每个可行解执行变异、交配操作和选择操作；判断是否达到功率传输部分的结束条件，若达到预设结束条件，则结束优化，否则返回可行解的适应值计算，进入下一代的优化操作。本发明引入了自适应参数以及分布式计算的策略，提高了算法种群的多样性及功率电子电路的优化性能。

说明书

技术领域

本发明涉及电路优化技术领域，具体涉及一种基于自适应分布式差分进化算法的功率电子电路优化方法。

背景技术

功率电子电路能够通过调整供应电流或者电压，有效地控制电能传输，以适应用户的负载，已经被广泛应用于各种日常设备中，如移动设备、计算机、电视机和不间断电源等。随着半导体技术和电子封装技术的进步，对功率电子电路自动化生成的需求越来越高。电路自动化设计和优化的方法主要分为确定性算法和随机算法(即进化算法)两种。确定性算法，如梯度法和爬山法等，容易陷入局部最优点，导致次优的元件组合。而且一些确定性算法过于依赖初始搜索点的选择，因此往往不适用于功率电子电路的优化。相对的，随机算法能够广泛地对解空间进行搜索，因此比确定性的方法更适合于优化和设计功率电子电路。

差分进化算法是进化算法的一个分支，是一种模拟生物群体智能的随机搜索算法，然而，传统的差分进化算法容易陷入局部最优解，导致算法早熟。在功率电子电路设计和优化中，可以用不同维度的不同的变量代表不同的电路元件，如电阻器、电容器、电感器等。但是，传统功率电子电路的评估与仿真计算量大，耗时很长，因此，传统差分进化算法中在求解电路优化问题上变得不太适用。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提供一种基于自适应分布式差分进化算法的功率电子电路优化方法，本发明能迅速找到全局最优解，保证种群多样性，采用主从节点模型的分布式策略将可行解的评估放到不同的计算节点上，使得差分进化算法在电路设计和评估问题上顺利进行，减少计算时间。

为了达到上述目的，本发明采用以下技术方案：

本发明提供一种基于自适应分布式差分进化算法的功率电子电路优化方法，包括下述步骤：

在主计算节点上初始化用于优化电路反馈网络的差分进化算法的参数，根据给定的元件取值范围随机初始化N个可行解，每个可行解表示一个潜在的功率电子电路解；

可行解表示为：x

其中，N表示种群大小，D表示元件的数量，0表示第0代；

将每个可行解放置到相应的子计算节点中分布式地并行评估每个个体x

根据可行解的历史信息自适应调整差分进化算法的参数F和CR；

更新参数后，对每个可行解执行变异、交配操作；

执行选择操作：在子节点上计算每个新产生的解u

判断是否达到功率传输部分的结束条件，若达到预设结束条件，则结束优化，否则返回可行解的适应值计算，进入下一代的优化操作。

作为优选的技术方案，所述适应值的计算函数表示为：

其中，F(x)表示反馈网络部分的适应值函数，x表示相对应的种群个体编码，v

作为优选的技术方案，所述根据可行解的历史信息自适应调整差分进化算法的参数F和CR，具体步骤包括：

S31：在每一代收集能使得u

S32：分别计算U

S33：更新参数α

α

α

S34：基于均值α

S35：上一代成功的F

作为优选的技术方案，所述对每个可行解执行变异、交配操作，具体计算公式为：

v

其中，F表示放大系数，用于控制差分向量的大小；CR表示交叉比例，用于控制u

作为优选的技术方案，所述判断与父代x

其中，fit为适应值评估函数。

为了到达上述第二目的，本发明采用以下技术方案：

本发明提供一种基于自适应分布式差分进化算法的功率电子电路优化系统，包括：初始化模块、适应值计算模块、自适应调整模块、参数更新模块、变异与交配模块、选择模块和判断模块；

所述初始化模块用于在主计算节点上初始化优化电路反馈网络差分进化算法的参数，根据给定的元件取值范围随机初始化N个可行解，每个可行解表示一个潜在的功率电子电路解；

可行解表示为：x

其中，N表示种群大小，D表示元件的数量，0表示第0代；

所述适应值计算模块用于将每个可行解放置到相应的子计算节点中分布式地并行评估每个个体x

所述自适应调整模块用于根据可行解的历史信息自适应调整差分进化算法的参数F和CR；

所述参数更新模块用于更新参数；

所述变异与交配模块用于更新参数后，对每个可行解执行变异、交配操作；

所述选择模块用于执行选择操作：在子节点上计算每个新产生的解u

所述判断模块用于判断是否达到功率传输部分的结束条件，若达到预设结束条件，则结束优化，否则返回可行解的适应值计算，进入下一代的优化操作。

为了到达上述第三目的，本发明采用以下技术方案：

一种存储介质，存储有程序，所述程序被处理器执行时实现上述基于自适应分布式差分进化算法的功率电子电路优化方法。

为了到达上述第四目的，本发明采用以下技术方案：

一种计算设备，包括处理器和用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述基于自适应分布式差分进化算法的功率电子电路优化方法。

本发明与现有技术相比，具有如下优点和有益效果：

(1)本发明引入了自适应参数以及分布式计算的策略，提高了算法种群的多样性，使得差分优化算法用于功率电子电路优化的性能得到了提高。

(2)本发明将功率电子电路模拟公式化，根据功率电子电路的4类优化目标构造了一个包含有4个目标的加权适应值评估函数，在功率电子电路模拟公式化上做出了重要贡献，为功率电子电路的优化起到关键作用。

附图说明

图1为本实施例1功率电子电路的基本结构图；

图2为本实施例1基于标准化分组策略的差分优化算法优化功率电子电路的流程示意图；

图3为本实施例1降压转换器的原理图；

图4为本实施例1分布式结构框架原理图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1

如图1所示，功率电子电路的基本结构包括功率传输和反馈网络两部分。功率传输部分包含I

如图2所示，本实施例提供一种基于自适应分布式差分进化算法的功率电子电路优化方法，该方法包括以下步骤：

S1：在主计算节点上初始化用于优化电路反馈网络的差分进化算法的参数，根据给定的元件取值范围随机初始化N个可行解，每个可行解(个体)x

S2：将每个个体放置到相应的子计算节点中分布式地并行评估每个个体x

其中，F(x)表示反馈网络部分的适应值函数，x表示相对应的种群个体编码，v

反馈网络部分的适应值函数F中的四个目标函数F

F

定义一个方差累积方程E

如果E

其中，K

F

在启动或外部扰动期间，将会出现一个瞬时响应v

v

F

F

其中N

在以上的公式中，OV，UV和ST是最小化最大过冲，最大下冲和v

其中K

其中K

其中K

|v

F

v

其中，K

本实施例的差分进化算法要求每个个体在进化过程中维持一个位置向量：x

S3：根据个体的历史信息(即是否当前的算法参数F与CR可以实现个体的成功更新，保留可以成功更新个体的算法参数F与CR)自适应调整差分进化算法的参数F、CR，以提高差分进化算法的优化性能；

自适应调整算法参数的主要思想是好的参数会继续产生好的个体，即产生更好的电子器件组合，具体步骤为：

S31：在每一代收集能使得u

S32：分别计算U

S33：更新参数α

α

α

S34：基于均值α

S35：上一代成功的F

S4：更新参数后，对每个个体执行变异、交配操作，公式如下：

v

其中F是放大系数，用来控制差分向量的大小；CR是交叉比例，用来控制u

S5：执行选择操作：在子节点上计算每个新产生的解u

其中fit为适应值评估函数；

S6：如果达到功率传输部分的结束条件，即算法已经达到了最大迭代次数，则结束优化程序，否则回到步骤S2进入下一代的优化操作。

如图3所示，以一个降压变换器的优化设计为例进行测试，图中包含有8个电阻、4个电容和一个电感，则问题的维度就是13维，每一维的取值范围根据相应元器件的取值范围而定，差分进化算法中的每个个体代表一个潜在解，每个解中每一维度的取值代表相应元器件的参数。通过算法优化，找到优化后的电路元器件的参数值。在进化过程中，我们利用个体的历史成功信息自适应调整算法参数，同时将主从节点模型的分布式计算引入到差分进化算法中，可以明显缩短程序运行时间，使得差分进化算法用于功率电子电路优化的性能得到了提高。本实施例引入了自适应参数以及分布式计算的策略，提高了算法种群的多样性，使得差分优化算法用于功率电子电路优化的性能得到了提高。

如图4所示，在本实施例中，针对评估功率电子电路优化耗时的问题，本实施例采用主从节点的分布式框架，有效缩短计算时间；具体而言，在每一代中，主节点Master负责整个种群的进化操作，比较耗时的个体评估操作(即评估个体适应值的步骤S2，评估各个目标F

实施例2

本实施例提供一种基于自适应分布式差分进化算法的功率电子电路优化系统，包括：初始化模块、适应值计算模块、自适应调整模块、参数更新模块、变异与交配模块、选择模块和判断模块；

初始化模块用于在主计算节点上初始化优化电路反馈网络差分进化算法的参数，根据给定的元件取值范围随机初始化N个可行解，每个可行解表示一个潜在的功率电子电路解；

可行解表示为：x

其中，N表示种群大小，D表示元件的数量，0表示第0代；

适应值计算模块用于将每个可行解放置到相应的子计算节点中分布式地并行评估每个个体x

自适应调整模块用于根据可行解的历史信息自适应调整差分进化算法的参数F和CR；

参数更新模块用于更新参数；

变异与交配模块用于更新参数后，对每个可行解执行变异、交配操作；

选择模块用于执行选择操作：在子节点上计算每个新产生的解u

判断模块用于判断是否达到功率传输部分的结束条件，若达到预设结束条件，则结束优化，否则返回可行解的适应值计算，进入下一代的优化操作。

实施例3

本实施例还提供一种存储介质，存储介质可以是ROM、RAM、磁盘、光盘等储存介质，该存储介质存储有一个或多个程序，所述程序被处理器执行时，实现上述实施例1基于自适应分布式差分进化算法的功率电子电路优化方法。

实施例4

本实施例还提供一种计算设备，所述的计算设备可以是台式电脑、笔记本电脑、智能手机、PDA手持终端、平板电脑或其他具有显示功能的终端设备，该计算设备包括该计算设备包括处理器和存储器，存储器存储有一个或多个程序，处理器执行存储器存储的程序时，实现上述实施例1基于自适应分布式差分进化算法的功率电子电路优化方法。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。