PSO混合DE算法求解约束优化问题.pdf

PSO混合DE算法求解约束优化问题木 张婷1，高晓智1’2 (1．上海海事大学信息工程学院，上海201306； 2．阿尔托大学电气工程与自动化系，赫尔辛基FI一00076) 摘 要：提出了一个全新的混合算法并命名为微粒群差分算法，该算法在标准微粒群算法的基础上结 合了差分进化算法用于求解约束的数值扣工程优化问题。传统的标准微粒群算法由于其种群单一性容易陷 入局部最优值，针对这一缺点利用差分进化算法中的变异、交叉、选择3个算子来更新每次迭代每个粒子 新生产的位置以使粒子跳出局部优值。融合了标准微粒群算法和差分进化算法优点的混合算法加速了粒子 的收敛速度。为了避免惩罚因子的选择对实验结果的影响，采取了可行规则法来处理约束优化问题。最后 将微粒群差分算法用于5个基准函数和两个工程问题，并与其他算法作了比较，试验结果表明，微粒群差 分算法算法具有很好的精准性、鲁棒性和有效性。 关键词：混合算法；约束优化问题；微粒群算法；差分进化；可行规则 中图分类号：’rP301．6 文献标识码：A 文章编号：1674—7720(2014)17—0083埘 withdi伍erential Hybridizingparticlesw锄optimization evolutionevolutloncOnstI．alnedconstI．ained solvingsOlvlng pI．0blemspI．0blems Gao ZhangTin91 xiaozhil’2 ofInfo珊ation MaIitime 201306，China； (1．Sch001 Engineering，Sh粕ghaiUniVe碍ity，Sh蚰ghai ofElectrical and Automation，AaJt0 2．Department Engineering UniVersity，HelsinkiFI—O0076，Finland) Abstract：Anovel is inthis named standard swarm CPSODE，which hybridalgorithmprop08edp8per integrates particle with tosolve numericaland PSOis diffbrentialevolution constrained engineering optimization optimization tofauintolocaJ because“tlle ordertosolvethis is to the e嬲y optimum popula“on’ssingul枷ty．In jssue，DEincorpomtedupdate aftereach itin iterationtofbrcePS0 outof position panicleupdateevery jump stagnation．Additionally，thehybridalgorithmspeeds of functions the