一个求解约束优化问题的混合算法.pdf

第35卷第1期 江西师范大学学报(自然科学版) 、，ol-35NO．1 2011年1月 JOURNALOFJIANGXINORMAL Jan．201l UNIVERSITY(NATURALSCIENCE) 文章编号：1000．5862(2011)01—0050．04 一个求解约束优化问题的混合算法 刘国志 (辽宁石油化工大学理学院信息与计算科学系，辽宁抚顺113001) 搜索法和与可行基规则相结合改进的微粒群算法的混合算法．与惩罚函数法相比，可行基规则不需要额外的 参数，且指引粒子迅速飞向可行域．并利用6个典型实例问题进行仿真计算比较，仿真结果表明了新算法是 求解约束优化问题的一个高效的算法，而且获得了一些比以往文献更好的解． 关键词：可行基规则：微粒群算法；约束最优化 · 中图分类号：TP18 文献标识码：A 0 引言 的正数M，无约束最优化问题minF(x)的最优解就 是原问题(1)的最优解．为此考虑求解问题 考虑如下的约束优化问题 (2) nlinF(x)，x=(■，x2，…，％)1． ㈣ 设初始点和初始步长分别为x(1)和d，el， {s=．tg燥驴i啦，…，m． 一 【．f(x)≤o，=1，2，…，． 吃，…，％为坐标向量，加速因子和计算精度分别为 关于求解约束优化问题有许多方法，传统的数学 规划法要求目标函数和约束条件是可微的，且获得的 (i)令yO)=x(n，k=J=l； 最优解通常是局部最优解．近年来，进化算法由于其 不要求函数是可导的甚至是连续的，且能够求出全局 最优解，已被应用求解各种优化问题．众所周知，惩 罚函数法由于其简单且易实施一直是最流行的约束处 F(y(』’)，称为试验失败，此时，若F(y(力一如，) 理技术，但罚因子的确定，给该方法应用带来了一定 困难【11．为了克服上述困难，人们提出了一些新的约 ，(J，(，’)，令y(J+1)=J，!力，转(iii)； 束处理技术，如C．A．C．Coell012]把遗传算法应用于决 定解和罚因子的进化，提出了协同进化的遗传算法； He Qie和wangLingt3】把PSO算法应用于决定解和罚 因子的进化，提出了协同进化的微粒群算法，取得了 ，(x(‘’)，则转(iv)； 较好的结果，但同样存在系数的选择问题．为了避免罚 因子的选取，He Qie和WangLingtl】又提出了一个与可k=k+1，．再令J=1，返回(ii)； 行基规则相结合微粒群算法求解约束优化问题．本文 (v)若d≤占，则计算结束，取x’≈x(‘’；否则， 在此基础上，提出一个Hook-jeveese搜索法和与可行 基规则相结合的改进微粒群算法的混合算法求解约束 J=1，返回(ii)． 优化问题，并通过实例验证了算法的有效性．