基于粒子群和声搜索混合算法的多模态函数优化 multi-modal function optimization based on particle swarm harmony search hybrid algorithm.pdfVIP

-拇黑雾照鬓霸嗣啜霞●●●_ 笋0wE敏基NG；≮EER}NG 第29卷第7期 电力科学与工程 V01．29，No．7 33 ElectricPowerScienceand Jul．，2013 2013年7月 Engineering 基于粒子群和声搜索混合算法的多模态函数优化 黄金山，王东风 (华北电力大学控制与计算机工程学院，河北保定071003) 摘要：和声搜索算法是一种启发式全局搜索算法，概念简单、参数少、易于实施，加强了鲁棒性和基础 搜索机制的灵活性。针对粒子群算法和和声搜索算法各自的特点提出了一种新的搜索算法——粒子群和 声搜索混合算法(PSO．IHS)。新算法将和声搜索算法的和声库初始解通过粒子群(PSO)算法进行改进 产生，同时对和声搜索算法的算法参数和每次迭代产生的新解个数也作了改进，并分别用5个多模态测 试函数进行了仿真，用于验证算法的搜索性能。仿真结果表明，粒子群和声搜索混合算法提高了函数优 化的搜索效率，具有较高的寻优性能和较强的跳出局部极小的能力。 关键词：和声搜索算法；粒子群算法；多模态函数；智能优化算法 中图分类号：TPl8文献标识码：A DOI：10．3969／j．issn．1672—0792．2013．07．007 本文将和声搜索算法进行改进，并与粒子群 0引言 搜索算法相结合，提出一种基于粒子群和声搜索 混合算法，新算法改进了基本和声搜索算法的不 在工程领域，函数优化是普遍存在的一类优 足。通过测试函数仿真实验对该算法进行分析， 化问题。往往一个实际工程问题最后都转化为一 验证算法的可行性。实验结果表明，该算法具有 个函数优化问题，那么如何高效解决此类问题就 较好的寻优精度和跳出局部最优的能力。 成了关键。学者们对这类问题做了许多深入的研 究，提出了很多智能优化算法，例如：模拟退火 1基本和声搜索算法 算法、粒子群算法、蚁群算法、遗传算法、神经 网络算法等等…。一般情况下，这些智能方法采 (1)确定寻优目标、约束条件以及算法基本 用启发式搜索机制能够比较有效地找到全局最优 参数。算法参数有：和声库大小HMS；变量的个 数Ⅳ；各变量的解空间；记忆保留概率HMCR； 或近似最优解，然而对于不同的函数优化问题， 音调调节概率以R；音调微调扰动大小bw；循环 每种算法又都表现出各自的优势和缺陷。 迭代最大次数册。 最近，出现了一种新的高效的启发式全局搜 (2)初始化和声记忆库。将随机产生HMS个 索算法——和声搜索算法(HS)拉o。该算法是韩 优化问题的初始解放入和声记忆库HM内，可表 Z 国学者Geem W等人于2001年提出的一种智能 示为： 优化算法。算法模拟了音乐创作过程中音乐师们