基于圆形信赖域改进和声搜索算法.docVIP

基于圆形信赖域改进和声搜索算法 　　摘要：针对标准和声搜索（HS）算法易陷入局部最优、收敛精度不高的不足，提出了一种基于圆形信赖域（CTR）的新型和声搜索算法――CTRHS。该算法运用逐双音调一次性产生方式，在记忆思考环节交互式地采取面向圆形信赖域的集约化思考操作，在双音调微调环节利用当前和声记忆库中的最好或最差和声来确定微调带宽，并且以新生成和声直接替换当前和声记忆库中最差和声来实现和声记忆库的更新。通过在9种标准测试函数上对CTRHS算法进行实验验证和算法性能对比，结果表明CTRHS算法在解质量、收敛性能上优于文献中已报道的7种HS改进算法，且当和声记忆库规模（HMS）、和声记忆库思考率（HMCR）分别取5和0.99时，它能表现出更佳的全局优化性能。 　　关键词：和声搜索；和声记忆库；记忆思考；音调微调；信赖域 　　中图分类号：TP301.6 　　文献标志码：A 　　Abstract：Concerning the drawbacks of trapping in local optimal solutions and low convergence accuracy of standard Harmony Search （HS） algorithm， a new harmony search algorithm based on Circular Trust Region （CTR）， named as CTRHS， was proposed. CTRHS adopted the oneoff generation mode of two pitches. Intensive considerations within the circular trust region were interactively conducted in its memory considering process. Adjustment bandwidth was determined by means of the best or worst harmony vector of current Harmony Memory （HM） during the adjusting process of double pitches. The update of HM was achieved by replacing the worst harmony in current HM with the newly generated harmony. Computational experiments were conducted upon 9 benchmark functions to validate the performance of CTRHS. As demonstrated in the results， CTRHS outperforms other 7 reported HS variants in terms of solution quality and convergence efficiency. Moreover， when the parameters of Harmony Memory Size （HMS） and Harmony Memory Considering Rate （HMCR） are respectively equal to 5 and 0.99， it has better performance in searching the global optimal solutions. 　　英文关键词Key words：Harmony Search （HS）； harmony memory； memory consideration； pitch adjustment； trust region 　　0 引言 　　和声搜索（Harmony Search， HS）算法由Geem等于2001年最早提出[1]，是一种基于群体、受行为启发的智能优化技术。它的寻优思想源于现实中的乐队即兴创作过程（Musical Improvisation）。HS算法的群体性体现在保存若干和声向量的和声记忆库（Harmony Memory， HM）上。借助于和声记忆库，HS算法通过充分利用历史搜索信息在待优化问题的解空间中实施迭代式随机搜索，不考虑解空间是否连续、可微，无需目标函数的梯度信息。自问世以来，HS算法凭借其易实现、易跟其他启发式算法相混合以及对搜索信息记忆能力强的特点，已在工程可靠性分析、可视化跟踪、钢架结构设计、特征选择、风电场建模等领域[2-6]得到成功应用，并为01背包、任务分配、护士排班、车