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.
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

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

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……