張佳期 解倩倩

國家知識產(chǎn)權(quán)局專利局專利審查協(xié)作天津中心，天津 300304

一、粒子群優(yōu)化算法概述

粒子群優(yōu)化算法又稱微粒群算法，是一種智能優(yōu)化算法。粒子群優(yōu)化算法于1995年提出，啟發(fā)于鳥群覓食的行為[1]。其建立速度與位移的相關(guān)模型，以粒子模擬鳥類個(gè)體，其相互之間既合作又競爭，為群體尋找優(yōu)化搜索，主要用于優(yōu)化函數(shù)、神經(jīng)網(wǎng)絡(luò)訓(xùn)練，以及其他進(jìn)化算法的應(yīng)用領(lǐng)域。粒子群算法相較其他算法的優(yōu)勢在于其不需要求解問題的特征信息，而具有較強(qiáng)的全局搜索能力，收斂快，魯棒性強(qiáng)。[1]

本文將以國內(nèi)外專利申請數(shù)據(jù)為分析樣本，從專利的申請量逐年變化和申請人分布等角度進(jìn)行了分析和研究，淺析粒子群算法的發(fā)展現(xiàn)狀和預(yù)期。

二、專利申請基本情況

1、檢索方法說明

本文采用的專利檢索工具、范圍、檢索方式，說明如下：

（1）數(shù)據(jù)庫：CPRSABS數(shù)據(jù)庫和DWPI數(shù)據(jù)庫；

（2）分析指標(biāo)：申請量逐年變化趨勢、主要申請人分布、申請區(qū)域分布等；

（3）檢索關(guān)鍵詞：粒子群優(yōu)化、微粒群優(yōu)化、PSO、particle swarm optimization、神經(jīng)網(wǎng)絡(luò)等。

2、檢索結(jié)果分析

（1） 全球?qū)＠治?/p>

① 粒子群優(yōu)化算法技術(shù)專利申請的國家分布

圖1為全球PSO算法技術(shù)專利申請的國家分布圖，可以看出中國和美國是主要的申請國，分別占總申請量的69%和8%，另外，日本、歐洲、德國、韓國的申請量也比較多，說明這些國家也十分重視粒子群優(yōu)化技術(shù)的專利布局。

中國在粒子群優(yōu)化技術(shù)上的專利申請數(shù)量遠(yuǎn)高于其他國家的原因，經(jīng)分析主要由其性質(zhì)決定，PSO作為一種優(yōu)化算法，在物理及研究領(lǐng)域的發(fā)展較快，而在專利申請中往往是作為技術(shù)支持而非核心技術(shù)出現(xiàn)的，中國申請數(shù)量龐大有很大一部分是源于高校及相關(guān)科研院所的專利申請，這也體現(xiàn)出國內(nèi)外在專利布局上的差異——國內(nèi)對此類具有應(yīng)用領(lǐng)域的算法類技術(shù)提出了大量的專利申請，而在國外這樣的專利申請則相對較少，在優(yōu)化算法領(lǐng)域國內(nèi)專利申請與高校研究結(jié)合較為密切，而國外則相對獨(dú)立，體現(xiàn)在專利布局上的申請較少。

② 歷年專利申請量分布

圖3為全球PSO專利申請的技術(shù)生長率。由圖可以看出，粒子群優(yōu)化的相關(guān)專利申請技術(shù)在2011年開始以較高的增長率快速發(fā)展，保持較快的增長趨勢一直到2014年，2015年申請量有所回落，2016年至今又迎來高速增長，技術(shù)發(fā)展的黃金年份主要集中在2012年～ 2014年、2016年～ 2018年。PSO于1995年提出，從其提出到其在專利領(lǐng)域上開始批量申請應(yīng)用經(jīng)過了較長時(shí)間的發(fā)展。

③PSO國際專利申請的IPC分布

粒子群優(yōu)化算法沒有專門對應(yīng)的分類號，作為一種優(yōu)化算法，其分類號往往與其優(yōu)化實(shí)現(xiàn)的技術(shù)應(yīng)用為主要分類號，而優(yōu)化算法又多用于對計(jì)算機(jī)領(lǐng)域數(shù)據(jù)處理和評估、預(yù)測，因此，IPC多集中與G06FNQ下。

（2）中國專利分析

① 技術(shù)發(fā)展趨勢分析

圖4為PSO在中國的專利申請發(fā)展趨勢，可以看出中國的專利申請發(fā)展與全球申請同步，均為從2011年起有大步幅的提升，但是與全球申請不同在于從2011年至今一直保持增長，2013年是其增長率最高的一年。

② 主要申請人分布

國內(nèi)對粒子群優(yōu)化申請最多申請人是國家電網(wǎng)，PSO被用于對電網(wǎng)相關(guān)預(yù)測、評估系統(tǒng)的結(jié)果優(yōu)化；其余申請量較多的申請人均為高校申請。國內(nèi)關(guān)于PSO的專利申請主要由高校申請人申請，非高校申請中，電網(wǎng)及下屬單位申請的數(shù)量與非電網(wǎng)相關(guān)企業(yè)的申請量持平，而電網(wǎng)和高校合作申請的專利申請量為113件，體現(xiàn)了電網(wǎng)在該領(lǐng)域與高校的合作。對PSO的研究還是主要集中在各大高校及研究所，對算法進(jìn)行改進(jìn)和應(yīng)用，企業(yè)將PSO用于實(shí)際生產(chǎn)的數(shù)量還不夠多，或者沒有對其進(jìn)行專利保護(hù)的意識。圖5是國內(nèi)PSO專利申請量排前8位的申請人分布。

三、PSO專利技術(shù)發(fā)展線路、研究熱點(diǎn)和發(fā)展趨勢

1、PSO專利技術(shù)發(fā)展路線及研究熱點(diǎn)

粒子群優(yōu)化最初用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，主要包含連接權(quán)重、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及傳遞函數(shù)、學(xué)習(xí)算法三個(gè)方面的演化計(jì)算。在隨后的應(yīng)用中，PSO又可以用來確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)[2]。PSO還主要解決參數(shù)優(yōu)化問題，包括連續(xù)問題及一些離散問題，還用于多目標(biāo)優(yōu)化和分類、求解最小或最大化問題、對多個(gè)全局極值進(jìn)行標(biāo)定等。粒子群優(yōu)化在系統(tǒng)設(shè)計(jì)、信號處理、模式識別等方面也具有良好的應(yīng)用前景[3]。

下面以國內(nèi)專利申請案例來進(jìn)行簡單梳理：

粒子群算法最初是用于對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化，初期采用其基礎(chǔ)模型。如專利申請CN200810220635A，申請日20081231，申請人— 中山大學(xué)，基于粒子群算法的無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)覆蓋優(yōu)化方法，利用粒子群算法求解無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)最優(yōu)覆蓋問題[4]。該發(fā)明提出了一種基于離散二進(jìn)制的PSO的覆蓋機(jī)制進(jìn)行優(yōu)化求解。

CN200910096406A，申請日20090302，申請人—杭州電子科技大學(xué)，一種鍋爐燃燒優(yōu)化的方法，利用粒子群優(yōu)化算法結(jié)合所建模型，針對不同對鍋爐燃燒指標(biāo)或指標(biāo)組合進(jìn)行鍋爐燃燒參數(shù)配置的優(yōu)化[5]。該專利申請中即利用基本的PSO對神經(jīng)網(wǎng)絡(luò)模型參數(shù)進(jìn)行優(yōu)化。

隨著粒子群算法的發(fā)展，又提出了帶有慣性因子或收縮因子等的改進(jìn)型PSO進(jìn)行算法優(yōu)化求解[1]。如CN201210172086A，申請日 20120530，申請人—山東大學(xué)，基于粒子群算法的風(fēng)電場儲能容量控制方法，以蓄電池儲能系統(tǒng)的儲能容量為目標(biāo)建立優(yōu)化決策模型，并應(yīng)用改進(jìn)的粒子群算法對該模型進(jìn)行求解[6]。該專利申請中利用PSO進(jìn)行風(fēng)電場儲能控制的最優(yōu)解求解，利用的是改進(jìn)的PSO，引用了慣性權(quán)重。

粒子群算法的改進(jìn)進(jìn)一步發(fā)展出了混合PSO、協(xié)同PSO 、自適應(yīng) PSO，并結(jié)合運(yùn)用全局搜索和局部搜索。如CN201410498586，申請日20140925，申請人—國家電網(wǎng)，一種包括獨(dú)立全局搜索的兩階段粒子群優(yōu)化算法，提出一種可應(yīng)用于電力系統(tǒng)的負(fù)荷調(diào)度、電動汽車群的控制等問題的包括獨(dú)立全局搜索的兩階段粒子群優(yōu)化算法[7]。該專利申請中引入了混沌PSO概念，并通過分為全局搜索和局部搜索分別迭代來解決聚集現(xiàn)象。

隨著粒子群算法不僅在其結(jié)構(gòu)上進(jìn)行改進(jìn)，其應(yīng)用也越來越廣泛和深入，不僅在參數(shù)的優(yōu)化求解上作用，也更多的服務(wù)于對架構(gòu)上的優(yōu)化和指導(dǎo)。如CN2014107091459，申請日20141128，申請人—江蘇大學(xué)，一種基于神經(jīng)網(wǎng)絡(luò)和微粒群優(yōu)化算法的建筑能耗預(yù)測方法，其通過PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和閾值；再通過其優(yōu)化的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行建筑電力能耗的短期預(yù)測[8]。該專利申請中同樣是與神經(jīng)網(wǎng)絡(luò)結(jié)合，但其實(shí)是對神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行優(yōu)化，確定其連接權(quán)值和閾值，運(yùn)用的是具有慣性權(quán)重的標(biāo)準(zhǔn)型PSO。

2、發(fā)展預(yù)測

粒子群算法的發(fā)展預(yù)測主要在對算法本身的改進(jìn)和拓寬應(yīng)用領(lǐng)域兩方面[3]。粒子群算法從提出發(fā)展至今，其結(jié)構(gòu)一直在進(jìn)行改進(jìn)，通過加入適當(dāng)?shù)囊蜃拥确绞教岣邷?zhǔn)確度，相信隨著深入研究，粒子群算法能得到進(jìn)一步改進(jìn)，以使優(yōu)化結(jié)果更趨近于理想狀態(tài)。在應(yīng)用上，除了常見的神經(jīng)模塊優(yōu)化、數(shù)據(jù)預(yù)測等，其在結(jié)構(gòu)優(yōu)化上也逐漸顯露出優(yōu)勢，而PSO快速進(jìn)行局部或全局搜索對于機(jī)器學(xué)習(xí)速度和深度的提升也有幫助，可以預(yù)見PSO在自動機(jī)器控制和人工智能領(lǐng)域會有較廣泛的發(fā)展，且現(xiàn)階段PSO還是主要用于算法改進(jìn)，多見于高校等科研研究，今后會進(jìn)一步加深與企業(yè)的合作，廣泛用于人工智能實(shí)際開發(fā)中。

3、PSO在專利審查上的作用

通過對粒子群優(yōu)化算法專利技術(shù)的梳理和分析，審查員可以深入了解該領(lǐng)域技術(shù)的發(fā)展?fàn)顩r并有助于對其發(fā)展趨勢進(jìn)行預(yù)測。在審查實(shí)踐中準(zhǔn)確把握此類專利所處的發(fā)展階段、技術(shù)分支、專利重要申請人的技術(shù)發(fā)展等信息，從而幫助審查員準(zhǔn)確地理解發(fā)明，迅速把握發(fā)明申請的構(gòu)思，縮小和精確檢索范圍，準(zhǔn)確確定和拓展檢索關(guān)鍵詞，使得專利審查更加高效和準(zhǔn)確。

四、結(jié)論

粒子群算法自提出后不斷進(jìn)行著改進(jìn)以提高準(zhǔn)確性和運(yùn)算速度，但是其在專利運(yùn)用上起步較晚，直至2011年才開始有較為大量的粒子群算法相關(guān)專利申請?zhí)岢?，并呈現(xiàn)快速增長趨勢。國內(nèi)外涉及粒子群算法的專利發(fā)展態(tài)勢相似，且中國國內(nèi)申請占全球申請總量的69%，國內(nèi)申請的發(fā)展情況會對全球PSO專利情況產(chǎn)生明顯的影響。粒子群算法在專利申請中多見于對模型的參數(shù)進(jìn)行優(yōu)化、求解最優(yōu)解等，主要集中在高?；蛘邍译娋W(wǎng)等研究性的方法中。結(jié)合其申請量變化和申請人分布，可以推測計(jì)算機(jī)技術(shù)和優(yōu)化算法在近十年的快速發(fā)展，以及中國高校或相關(guān)單位對于知識產(chǎn)權(quán)特別是專利技術(shù)的保護(hù)意識的發(fā)展，是影響粒子群算法專利現(xiàn)狀的兩大因素。而根據(jù)對粒子群算法專利情況的分析可以預(yù)測，隨著人工智能與機(jī)器學(xué)習(xí)的發(fā)展，粒子群算法在實(shí)際生產(chǎn)應(yīng)用中的深度和廣度都會有大幅提高，未來企業(yè)應(yīng)用PSO的相關(guān)專利申請的比例也會增加，對于粒子群算法應(yīng)用的研究會更加豐富。