求解约束优化问题的微粒群算法.pdfVIP

维普资讯 第 25卷 第 2期 太 原 重 型 机 械 学 院 学 报 Vo1．25 No．2 2004年 6月 JOURNALOFTAIYUANHEAVY MACHINERY INSTITLfTE Jun．2004 文章编号：1000—159X(2004)02—0094—04 求解约束优化问题的微粒群算法 谭 瑛，高慧敏，曾建潮 (太原重型机械学院系统仿真与计算机应用研究所，太原030024) 摘 要：微粒群算法(简称PSO算法)是一种新型的进化计算方法，已在许多领域得 到了非常成功的应用。本文以约束优化问题为对象，首先介绍了采用罚函数法将约束优 化 问题化为无约束优化 问题，和将约束优化 问题转化为minmax问题，然后对无约束优化 问题和minmax问题，采用PSO算法进行进化求解；在此基础上，以目标函数和约束满足 分另q为优化 目标提 出了一种双微粒群 的PSO算法。仿真实验结果验证 了方法的正确性 与有效性。 关键词：微粒群算法；约束优化问题；罚函数；minmxa 问题；约束满足 中图分类号：TH322 文献标识码：A · + 一+ 一+ 一—‘-+ 一+ -+ 一+ 一+ 微粒群算法 (ParticleSwarmOptimization，简称 例仿真研究，取得了满意的结果 J。由于采用非稳 PSO算法)是在 1995年由JamesKennedy和Russell 态罚函数方法，罚值与罚因子的选择与具体问题有 Eberhart提出的一种新型进化计算方法 J，属于求 关，给该方法的应用带来了一定困难，不同的罚值 解全局最优化的群体智能算法。自提出以来，已得 与罚因子使得仿真结果存在一定 的差异。K．E． 到了国外学者的高度关注，成为此后连续几届 IEEE Parsopoulos等人在另一篇介绍求解 minmxa 问题的 进化计算国际会议的热门内容。 PSO方法的论文中 将约束优化问题转化为min— PSO算法简单且易于程序实现，具有 良好的收 max问题，并采用 PSO算法进行求解，也取得了满 敛性能，因而 已在许多领域得到了非常成功的应 意的结果，但同样存在系数的选择问题。 用，如神经 网络训练 J、整 数规划 J、mlnmax问 本文首先对 K．E．Parsopoulos等人提出的两种 题 、多 目标优化 等。同时，针对 PSO算法的收 求解约束优化问题的方法进行了介绍 ，然后，分别 敛性和参数选择问题进行了一系列研究，提出了带 以目标函数和约束满足为优化 目标，提出了一种基 有收缩因子的PSO算法 、参数 自适应方法 等， 于双微粒群的PSO算法，该方法通过在微粒群间引 对提高PSO算法的性能和开拓其应用范围起到了 入 目标信息与约束信息项有效地解决了在满足约 非常重要的作用。针对约束优化 问题，K．E．Parso— 束条件下求解 目标函数的最优化问题。文中通过 poulos等人引入罚函数，将约束问题转换为无约束 实例仿真对以上三种方法进行了比较。 优化问题 ，采用带有收缩因子的PSO算法进行了实 收稿 日期：2004—02—25 作者简介：谭瑛 (1965一)，女，副教授 ，研究方向为：智能计算。 维普资讯 第25卷第2期 谭瑛，等：求解约束优化问题的微粒群算法 95 1 标准PSO算法简介 2 约束优化问题的转换 PSO算法和其他进货类算法相类似，也采用 不