基于分解协调的人工鱼群优化算法研究.pdf

第8 卷 第 1 期 电路与系统学报 Vol.8 No. 1 2002 年 2 月 JOURNAL OF CIRCUITS AND SYSTEMS February, 2003 文章编号 1007-0249 (2003) 0 1-0001-06 基于分解协调的人工鱼群优化算法研究* 李晓磊 钱积新 浙江大学 控制系系统工程研究所 浙江 杭州 310027 摘要 本文针对复杂大系统的优化问题中方程数多 变量维数高等特点 描述了一种基于分解协调思想的 人工鱼群优化算法 并以换热器系统为例进行了计算 结果表明 该方法具有较好的收敛性 初值不敏感性和 参数不敏感性等特点 关键词 人工鱼群算法 复杂大系统 分解协调 优化 中图分类号 TP18 文献标识码 A 1 引言 优化问题广泛存在于工业 农业 交通 通信等许多领域 经过优化技术的处理后 能够提高系 统效率 降低能耗 合理利用资源 显著提高经济效益 而且被处理对象规模越大 这种效果也越显 著 随着现代生产规模的迅速发展 大规模系统工程问题的优化计算越来越成为人们急需解决的问题 然而 基于严格机理模型所得到的优化命题往往具有方程数多 变量维数高 非线性强等特点 使得 命题的求解相当困难 大系统的优化问题一直没有成熟简单的通用方法 其中分解与协调优化方法是一种比较好的思 路 即将系统分解为多个子系统 对各子系统进行优化和协调运算 以求得大系统的最优解 但目前 的分解协调算法如目标协调法 模型协调法等都存在计算速度 收敛性 初值敏感性等方面的问题 往往不能达到满意的效果 2 人工鱼群算法 随着基于生物学 物理学和人工智能的优化算法的兴起和成熟 为许多领域的问题提供了比较高 [1] [2] [3] [4] 效的解决方法 如遗传算法 GA 蚁群算法 ACO 模拟退火 SA 进化规划 EP 等 但它们在目标问题的性质 参数调整 计算时间等方面还存在一些局限性 在自然界中 随着漫长的进化和适应 一些低级生物的觅食和生活方式形成了他们与高级生物所 不同的特有的方式 其中最明显的区别是他们不具备人类所认为的高级智能 由于他们 如蚂蚁 鸟 [5] 类 鱼类等 通常以群居的方式生活和觅食 所以人工生命的研究者们称这一现象为集群智能 Swarm Intelligence 即集群是由一个智能体所构成的集合 他们的各成员通过直接或间接 与他们的局部 环境作用 的方式进行相互交流 共同来解决一个分布式复杂问题 如蚁群算法 粒子群优化算法 PSO [6]等就是比较出色的应用 [7][9] 人工鱼群算法 是作者提出的一种基于模拟鱼群行为的优化算法 在基本鱼群算法中 主要是 利用了鱼的觅食 聚群和追尾行为 从构造单条鱼的底层行为做起 通过鱼群中各个体的局部寻优 达到全局最优值在群体中突现出来的目的 该算法具有良好的克服局部极值 取得全局极值的能力 并且算法中只使用目标函数的函数值 无需目标函数的梯度值等特殊信息 对搜索空间具有一定的自 适应能力 算法对初值无要求 对各参数的选择也不很敏感 本文中针对实际大系统中常见的变量维数高 约束方程多等特点 基于基本的人工鱼群算法 采 用分解协调的思想 引入了鱼的协调行为 构造了一种扩展的人工鱼群算法 * 收稿日期 2002-06-03 修订日期 2002-08-09 2 电路与系统学报 第8 卷 3 系统的分解与鱼群的分类 通常 大系统可通过变换分解为一些子系统 一般子系统之间会存在一定的耦合关系 如果没有 耦合关系 那么问题会变得更加简单 对各子系统分别寻优的解将是大系统的最优解