新型混合粒子群算法在核動力設備優化設計中的應用

閻昌琪，劉成洋，王建軍

(哈爾濱工程大學核科學與技術學院，黑龍江哈爾濱150001)

Kennedy與Eberhart通過對鳥群覓食過程的分析及模擬，于1955年最先提出了原始的PSO(particle swarm optimization)算法[1]，其中關于如何加快算法的收斂速度、收斂精度和避免早熟收斂問題，一直是研究者們關注的重點，也是所有隨機搜索算法共同面臨的主要難題.目前多數粒子群算法主要針對無約束優化問題研究，而實際工程中的優化問題往往具有約束條件.懲罰函數法是進化算法處理約束問題的常用方法[2]，但其主要缺點是懲罰參數的選取比較困難，而算法在很大程度上依賴于參數的選取，所以參數與具體優化問題有關.本文在對各種改進PSO算法研究的基礎上，提出了一種新型混合粒子群算法(new hybrid particle swarm optimization，NHPSO).在約束處理方面，采用應用比較廣泛的可行性原則[3-6]進行約束處理;參照文獻[7]，運用復合形算法產生初始可行群體;引入遺傳算法中的交叉和變異策略[8-9];利用改進復合形算法[10]在優解附近進行局部搜索.

1 新型混合粒子群算法

1.1 非線性約束問題

具有D個決策變量，m個約束條件的非線性約束問題可以描述為

1.2 標準粒子群算法

在標準粒子群算法中，單個粒子如 Xi={xi，1，通過跟蹤 2 個極值來更新自己，其中表示第i個個體極值的第d維變量表示當代全局極值的第d維變量.粒子變量的速度和位置的更新方式為

1.3 可行性判斷規則

定義1 隨機產生一個個體，若該個體滿足約束條件，則該個體稱為可行個體，若該個體不滿足……