基于粒子群优化算法求解双层规划模型.pdfVIP

第八届中国青年运筹信息管理学者大会论文集 桂林，2006年8月18-22日，第525—533页 基于粒子群优化算法求解双层规划模型 赵志刚苏一丹 广西大学计算机与电子信息学院，广西南宁。530004 掖要双层规划问题足一个NPhard．问题，其求解异常困难。现有的求解算法或求解方法，都 是针对特定的双层规划模型提出的，缺乏通用性和普遍性．本文首先对基本粒子群优化算法作 了改进．然后提出采用带变异算子的粒子群优化算法求解双层规划模型，并提出了一种通用的 求解双层规划模型的有效算法。品后．通过实验研究和对比分析验证了本文算法的有效性。 关键词双层规划模型。粒子群优化算法．变异算子，垒局优化 1引言 双层规划问题是一类具有主从递阶关系结构的数学模型，它是将优化问题作为约束条 件的极值问题…。双层规划模型的应用越来越广泛，许多问题的实质最终都可以利用双层 规划模型进行描述”“…。另一方面，双层规划模型的求解异常困难，原因之一就是由于双 NPhard问题，不存在多项式求解算法。双层规划的非凸性是造成双层规划问题求解异常 复杂的另一重要原因。因此，目前对于双层规划模型通常采用数值仿真计算，以期在合理 的时间内获得模型的近似最优解……。但是，当前国内外一些学者提出的求解算法或求解 方法，都是针对特定的双层规划模型提出的，缺乏通用性和普遍性。 Swarm 粒子群优化算法(Particle 优化算法…，并立刻引起了优化及演化计算等领域的学者们的广泛关注。目前PSO已广泛 应用于函数优化．神经网络训练，模糊系统控制以及其他的应用领域。近几年的研究和实 践表明，PSO在多维空间函数寻优、动态目标寻优等方面有着收敛速度快、解质量高、鲁 棒性好等优点，特别适合工程应用“…。 本文在分析和借鉴现有的一些较优秀的算法思想的基础上，提出采用粒子群优化算法 求解双层规划模型。实验研究表明，本文提出的算法能求解一般的双层规划模型，具有通 用性和普遍性。 2双层规划模型简介 双层规划模型的基本思想可以用下面的数学模型来描述。 F(x，y) (u)rnjn s．t．G∞)，)≤0 赵志剐苏一丹 其中，，=Y(曲，由下述规划求得 ‘L)哪“，o，y) s．t．g(x，Y)≤0 划，(L)称为下层规划。F是上层规划所确定的目标函数，J为上层规划的决策变量，口是 对变量的约束；，为下层规划所确定的目标函数，y为下层规划的决策变量，g是对变量 y的约束。上层决策者通过设置X的值影响下层决策者，因此限制了下层决策者的可行约 束集，而下层决策者的行为反过来又会通过y影响上层的决策。所以下层决策变量y是 上层决策变量T的函数，即y=Y(曲，这个函数一般称为反应函数。 与单层规划方法相比，双层规划方法的优点是：(1)可以同时分析决策过程中两个不 同的、相互矛盾的目标(主体)；(2)双层规划方法的多价值决策方法更接近实际情况：(3) 可以将一个复杂问题分成两个相互作用、相互影响的层面来考虑。因而双层规划在大规模 系统的分解技术、生产控制领域的分级规划方法、目标与多目标规划、平衡规划、博弈论、 控制论，以及交通运输规划等方面都有着广泛的应用。 3粒子群优化算法及其改进 3．1基本粒子群优化算法 粒子群优化算法中针对优化问题的每一个解都是搜索空间中的一个“粒子”，每个粒 子都有一个由优化函数所决定的适应度(通常即优化函数本身)，以评价该粒子当前位置的 优劣。同时，每个粒子都有一个速度来决定各自移动的方向和距离。粒子群优化算法首先 初始化一群随机粒子，然后通过迭代找到最优解。在每次迭代中，粒子通过跟踪两个“极 值”来更新自己：一个是粒子本身所找到的最优解，即个体极值pBest；另一个是整个粒 子群目前找到的最优解，称之为全局极值gBest。 粒子在找到上述两个极值后，就根据下面两个公式来更新自己的速度与位置…： k) (1) V¨=。×vk+clXrandX(pBestk—Xk)