基于spacejumping空间转换的改进粒子群算法.pdfVIP

科技展望 2010年第11期 IT技术 江西渝州科技职业学院 刘蜀阳 刘蜀念 338029 Swarm ■要：粒子群算法(PSO，Particle 缩系数和粒子飞翔步长系数，提高PSO全域搜寻能力。 关t词：粒子群算法空间跳转全局最优 DOI：10．3969／j．issn．1672-。8289．2010．11．049 1．—r膏l 粒子群算法典型的特征是由不具有智能功能个体粒子的组合 corn-一 在人工智能的领域当中，以演化式计算(eve—lutionary来表现整体集合的智能性。由于其在处理复杂集合问题上的简单、 putation)来解决最佳化的问题一直是近年来研究的重点，也是许有效性，且具有深刻的智能背景，PSO提出后立刻得到了诸多学者 多领域用来解决问题的方法。计算机技术的广泛应用和自动控制 和社会科研团体的重视，近年来出现了一些改进的PSO算法，，文 与集中信息处理的进步，带来了优化模型求解方法的革命，但由于 计算机的二进制运算特征，只能针对离散化的数学模型。但自变量 左右的发展，却已经在某砦实际工程优化中实现了应用(5，6)。， 的离散化程度越高，相应的求解结果越精确，解决许多困难的问 3．改进的粒子群算法数学描述 题，使得许多问题进一步地达到“最佳化”。由于很多目标函数是复 设空间中有分布有111个粒子，每个粒子的维度为n，则这m个 杂的多约束的耦合问题，使得求解问题模型的最优解不一定是某 粒子共同组成了如下耦合优化函数的定义域空间： 一耦合函数的最优解(大部分情况下都不是)，全局最优解与各耦 hl乜…％I 合函数其最优解是有偏差的，全局最优解对各耦合函数而言称为 非劣最优解(ParetoOp,ritual)。各相关目标函数耦合的结果使得 kl。∞…。知l。…。………。(3-1) 全局最优解不一定唯一(3V部分情况下都不唯一)，相应的所有全 k1～2… 局最优解的集合对各耦合函数而言称为非劣最优解集(Pareto OptimalSet)。由于其耦合关系的复杂性、各目标函数相互间的干 其中砖He矿，且m≥Ⅺ·Z为。mxⅪ矩阵，且在进行初始化时要使得中 扰和解集集合化的特点，传统的加权求和方式使得耦合数学模型 的最大无关组的秩为n。 趋于高阶化、复杂、且往往陷于不可解。如何在更短的时间达到“最 则如下矩阵： 佳化”，对最佳化问题而言数学模型的建立是十分重要，通常的数 r=抓D，，2(n．，艇驯………’(p2) 学描述上将呈现多维化，求解时将涉及到数组或矩阵的定义和运 构成了各耦合目标函数的适应度值域空间肭用蝻矩阵，其中；j；(1s压的 算，运算次数也将随维数的增加呈指数倍增加。采用计算机工具进 为各耦合目标的适应度函数。 行运算求解成为几乎唯一的选择。 定义集合： 针对现代工业中出现的越来越复杂的多约束问题，不仅要解 Ⅳ-h，岛．…气r…………………………(3-3) 决如何进行建模的问题，还要解决如何求解的问题。有关如何建模 为各耦合目标函数的权系数空间，蔓lX盘矩阵，H的值由先 的问题，目前最常用的是先由实验给出各相关数据，然后再进行计 验给定。 算机拟合的方法(，若要求全局符合，则实验数据越多精确性越好： 则： 若大量的实验数据不可行，则所构建的模型往往是由分段函数组 G=Yx嚣………………………………………(3—4) 成)。在本文中要讨论的是如何对这种问题进行优化求解的『日J题。 构成了多维多目标耦合函数的值域空问，G为mxl矩阵。 幺传统粒子群优化算法 记录下对应于这一极值的n维粒子坐标。满足条件的粒子可