粒子群优化算法在管翅式换热器优化设计中的应用.pdfVIP

中国工程热物理学会 传热传质学 学术会议论文 编号：073353 粒子群优化算法 在管翅式换热器优化设计中的应用 韩武涛王秋旺陈贵冬曾敏 西安交通大学动力工程多相流国家重点实验室，西安，710049 摘要：粒子群优化(PSO)算法是一种新兴的源予对鸟群捕食行为研究而产生的仿生学优化算法。本文以 管翅式换热器优化设计为例，以压降最小为优化目标，对传统粒子群优化算法进行改进，使其能在初 始化和搜索过程中直接产生满足约束条件的可行解粒子，同时用不断增大速度的方法防止陷入局部最 优。PsO的优化结果与优化前的设计结果和遗传算法(GA)的优化结果对比表明，PSO具有优越性，将 其应用于换热器优化设计领域具有可行性，本文为换热器的优化设计提供了一种新的有效途径。 关键词：粒子群优化算法：管翅式换热器优化设计；遗传算法； 1引言 仿生学在解决实际问题中的应用已受到广泛关注…。Ps0是模拟鸟群的捕食行为而 形成的一种基于叠代的优化工具。目前已广泛应用于人工智能、模糊系统控制、神经网 络训练、函数优化等领域晗11。该算法原理简单，程序容易实现，速度较快。但在换热 器的优化设计领域，尚未见到用粒子群优化算法的相关文献。本文以一管翅式换热器为 例，运用改进的粒子群优化算法对其结构尺寸进行优化，目的在于为换热器的优化设计 开辟一种新途径。 2粒子群优化算法 2．1基本原理 的研究。它把优化问题中每一组解向量做为搜索空间中一个没有体积和重量的粒予，并 在规定的搜索空问中以某一速度(速度决定着粒子的飞行方向和距离)飞行去追随当前最 优的粒子，通过迭代找到最优解。其速度和位置的迭代方程式如下： (1) p“≠+1)=pi，(f)十K，0) (2) 其中，f表示第f个粒子，，表示粒子维数，f表示第f代，w表示速度的惯性权重系数， c』和Q表示加速度系数，r』和您表示两个【O，1】之间的随机数。v、p表示粒子自身目 前的速度、位置；加、妒表示目前粒子找到的个体最优解、群体最优解。 在迭代过程中，为了防止粒子飞离搜索空间，粒子的速度y通常被约束在一定的范 围[．v。。，v。。】内。％。太大，粒子就会飞离最优解，太小就会陷入局部最优【6】。为此提 出一种变％。的算法，使‰。随着迭代次数的增加而逐渐增大，公式如下： V。2Vl+【V2一v1Jr／r。ax L3) 其中v』、也分别表示‰。可取的最小、最大值；f、‰。分别表示当前迭代次数、最大迭 代次数。同时为了平衡算法的全局和局部搜索能力，采用使w随着迭代次数的增加而逐 渐减小的算法【／J，公式如下： w2 (4) Wl十【w2一wlJ【f。。一∞／k。 基金项目：教育部“新世纪优秀人才支持计划”项目(NCET-04一0398)；国家自然科学基金资助项 目(No。 2182 其中w，、w2分别表示速度的惯性 权重系数可取的最小、最大值。一 般情况下w，、w2取0．8至1．2之 间的随机数。 2．2算法思想 N (a)初始化微粒的随机p、v； (b)判断初始化的微粒是否满 足约束条件式(6)至(10)，满足 贝0转至0(c)，否贝q回至0(a)； (c)评价每个微粒的适应度； (d)对每个微粒，将目前适应 度和前一代pB对应的适应度作比 较，如果目前适应度较好，则将其 对应的位置赋加，同理适应于妒：