两种改进混沌优化算法的分析与应用.doc

两种改进混沌优化算法的分析与应用 韩芳 陆启韶 北京航空航天大学理学院，100083 [摘要] 本文对两种典型的混沌优化算法加以改进，数值仿真结果表明改进有效。文章进一步详细分析了改进算法的性能，得到了某些规律性的结论，然后将其应用于经济负荷分配问题，结果表明改进算法可以有效地指导工程实践。本文对混沌优化方法今后的研究具有一定的参考价值。 [关键词] 混沌优化 变尺度混沌优化算法 混沌随机优化算法 经济负荷分配 Analysis and Application of Two Improved Chaos Optimization Algorithms Fang Han Qishao Lu Science School, Beijing University of Aeronautics and Astronautics, Beijing 100083, China [Abstract] Two typical chaos optimization algorithms are ameliorated in this paper and the numerical simulation results show that the improved ones are effective. The performance of the algorithms is analyzed in detail and some regular conclusions are obtained. Then the algorithms are applied to economic load dispatch problem and the results show that the improved algorithms can give effective guidance to engineering practice. This paper will be helpful for the research of chaos optimization algorithms in future. [key word] chaos optimization Mutative Scale Chaos Optimization Algorithm Chaos Random Optimization Algorithm economic load dispatch 混沌运动是高度复杂的运动，它具有多种性质，如随机性、遍历性、规律性等。其中，混沌轨道的遍历性，即混沌序列能够不重复地历经其混沌吸引域内所有状态的性质，可作为优化搜索过程中避免陷入局部极小的一种优化机制，混沌优化算法正是利用混沌变量的这一特性提出的。因此，混沌运动轨道的遍历性是混沌用于优化的根本出发点。混沌优化算法按其自身的运动规律达到全局最优值，与按概率接受“劣解”以跳出局部最优解的遗传算法和Tabu搜索法等相比，它更易于摆脱局部最优解而具有更好的全局优化性能。目前，混沌优化已成为一种极具发展前景的优化技术，不仅在理论上获得了广泛研究，而且在工程实际中也开始获得应用，在优化领域中扮演着越来越重要的角色。 本文改进了变尺度混沌优化算法[1]和混沌随机优化算法[2,3]，对改进后的算法做了数值仿真和详细的性能分析，并将其应用于电力系统经济负荷分配的实际工程问题中。 1. 两种改进的混沌优化算法 □□1.1改进变尺度混沌优化算法 变尺度思想[4]来源于拟牛顿法中的共轭梯度法。张彤等人将变尺度思想引入到基本混沌优化算法中，以优化变量的取值区域作为尺度，通过不断改变搜索空间的大小加速优化进程，使算法的性能大为提高，这就是变尺度混沌优化算法（IMSCOA）。 本文对变尺度混沌优化算法在初值选取、搜索结构及收敛准则上做了改进[5]（改进算法称为Improved MSCOA，简称IMSCOA）。具体改进之处如下： 首先是初值选取。初值的选择对混沌优化算法的寻优结果影响较大。变尺度混沌优化方法以区间内除不动点之外的相异值为初值进行计算，但是为了找到尽可能最优的解要对初值进行多次选择比较，相应的其它参数也需要繁琐的调整。本文采用随机数来产生混沌变量，具体做法是：假定目标函数中有个独立的设计变量，则用随机数产生区间内的个混沌变量初值。 第二，搜索结构采用并行搜索。所有搜索步骤完成后，换取另一组初值，重复搜索过程。如此循环若干次后，经过比较找出多次目标函数搜索值的最小值作为最优函数值，提取相应的优化设计变量作为最优设计变量，然后结束寻优。 最后，重新定义收敛准则。在粗、细搜索中，迭代搜索（）次后，保存当前最优目标函数值为；在上述基础上继续搜索（