求解约束化工优化问题混合布谷鸟搜索算法.docVIP

求解约束化工优化问题混合布谷鸟搜索算法 　　摘 要： 针对布谷鸟搜索算法存在收敛速度慢和易陷入局部最优等缺陷，提出一种基于Rosenbrock搜索和柯西变异的混合布谷鸟搜索算法用于求解约束化工优化问题。该算法首先采用佳点集方法对鸟窝位置进行初始化，为全局搜索的多样性奠定基础；然后利用Rosenbrock搜索算法对当前最优位置进行局部搜索，以提高算法的收敛速度；最后对当前最优解进行柯西变异以避免算法陷入局部最优。两个约束化工优化问题的实验结果表明了该混合算法的有效性。 关键词：化工优化； 布谷鸟搜索算法； Rosenbrock局部搜索； 佳点集方法； 柯西变异 中图分类号： TP301.6 文献标志码：A Hybrid cuckoo search algorithm for solving constrained chemical engineering optimization problems Abstract： The Cuckoo Search （CS） algorithm has a few disadvantages in the global searching， including slow convergence and high possibility of being trapped in local optimum. To overcome these disadvantages， a effective hybrid CS algorithm based on Rosenbrock local search and Cauchy mutation was proposed to solve the constrained numerical and chemical engineering optimization problems. Firstly， good point set method was used to initiate bird nests position， which strengthened the diversity of global searching. Secondly， for the current best position， Rosenbrock local search technique was introduced to improve the convergence speed of CS algorithm. Thirdly， a Gaussian mutation operator would be given on the global optimum of each generation， thus， the algorithm could effectively jump out of local minima. The experimental results with several constrained numerical functions and chemical engineering optimization problems show a promising performance of the proposed algorithm. Key words： chemical engineering optimization； Cuckoo Search （CS） algorithm； Rosenbrock local search； good point set method； Cauchy mutation 0 引言 在化工生产过程中的许多优化问题通常含有约束条件，目标函数具有高度非线性。不失一般性，约束化工优化问题可以描述为一个含有等式约束、不等式约束和变量界约束的非线性规划问题： 传统的基于梯度信息的优化方法难以对问题（1）进行有效的求解。与传统的优化方法相比，以遗传算法（Genetic Algorithm， GA）、粒子群优化（Particle Swarm Optimization， PSO）算法、差分进化算法、蚁群算法等为代表的进化算法是一类基于种群迭代的全局搜索方法，具有不依赖于所求问题的梯度信息、易于实现，能以较高概率收敛于问题的全局最优解等特点，因此进化算法在函数优化、神经网络训练、参数优化、机器学习以及工程应用领域中得到了广泛的应用[1-2]。鉴于进化算法是一类基于无约束的优化方法，在处理约束优化问题时要结合合适的约束处理技术。在过去的几十年中，研究者提出了大量的约束优化进化算法[3]。 布谷鸟搜索（Cuckoo Search，