基于智能单粒子算法与支持向量机的稳健优化设计.pdfVIP

装《备制造技术)2011年第7期 基于智能单粒子算法与支持 向量机的稳健优化设计 刘茂福，任丕顺 (湖南机电职业技术学院机械工程系，湖南 长沙410000) 摘 要：为了求解混合离散变量优化设计问题，通过引入粒子位置矢量的离散化处理方法，对智能单粒子优化算法 (ISPO)进行改进，用MATLAB语言设计 了求解混合离散变量优化设计问题的ISPO算法程序。结合支持向量回归机 的应用，研究了平面尺寸链离散公差的模糊稳健优化设计问题 ，给出了稳健设计实例。设计实例表明了本文所提方法 的有效性和实用性。 关键词：智能单粒子算法；混合离散变量；支持向量机 ；稳健优化设计 中图分类号：TP301．6 文献标识码：A 文章编号：1672—545×(2011)07—0035—04 现有稳健优化设计方法 ，基本上是针对连续变 目标搜索空间中，由 个粒子构成一个群体 (被称 量进行优化的，对混合离散变量的稳健设计问题探 为群体规模)，其中第 i个粒子 (=1，2，…，n)的位 讨甚少 ；但是 ，工程问题很多属混合离散变量问题 ， 置可表示为D维的位置矢量 因此，混合离散变量的稳健优化设计具有现实的工 = (fl， ，…， ，…， )。 程意义，且需进一步研究。 根据一定标准计算 当前的适应值，用以衡量 粒子群优化算法(vso)是进化计算的一个分支， 粒子位置的优劣。每次迭代中粒子i移动的飞行速度 是一种基于迭代的全局随机优化算法，最早由美国 学者Kennedy和Eberhart于 1995年提出l【】，在各种优 (或者速度矢量)，表示为 化及控制系统的应用中，得到了广泛的研究和应用。 V=(1，ll，V，…，1，，…，V )， 然而，基本 PSO算法存在寻优效率较低，容易停滞于 粒子 i迄今为止搜索到的最优位置为 局部最优值，以及早熟收敛等问题。基于传统粒子群 pi=(pll，Pi2，…，p ，…，p )， 算法，纪震等提出了智能单粒子优化算法(ISPO)翻。在 整个粒子群迄今为止搜索到的最优位置为 ISPO算法的优化过程中，算法不是对整个速度矢量 或位置矢量同时进行更新，而是先把整个矢量分成 P= (Pgl，p ，… ，p ，… ，PsoJo 若干子矢量，并按顺序循环更新每个子矢量。实验结 每次迭代 中，粒子根据以下式子更新速度和 果表明，ISPO算法的性能显著优于最近提出的粒子 位置 群改进算法的性能脚，其解非常接近全局最优点。支 =Wl~d／+elrlPPd／--Zd／J)++CC22rr22Ipp(—一 )) (l1J) 持向量机fSVM)是一种与神经网络类似的智能化方 法 ，且具有更突出的小样本学习能力和泛化能力。 z =z + (2) 在 ISPO算法的基础上，本文用MATLAB语言设 式中，i=1，2，…，儿； 计了求解混合离散变量优化设计问题的ISPO算法 ． ’是迭代次数； 程序，并结合支持向量机的应用 ，探讨了平面尺寸链 r。和r2为 0【，1]之间的随机数构成的矢量； 离散公差的稳健优化设计问题 ，并给出了设计实例。 c，和c为学习因子 ，也称加速因子，其使粒子具 有 自我总结和向群体中优