资源描述：
《求解约束优化的模拟退火pso算法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第32卷第7期系统工程与电子技术Vol.32No.72010年7月SystemsEngineeringandElectronicsJuly2010文章编号:1001506X(2010)07153205求解约束优化的模拟退火PSO算法焦巍,刘光斌,张艳红(第二炮兵工程学院,陕西西安710025)摘要:针对有约束最优化问题,提出了基于模拟退火的粒子群优化(particleswarmoptimizationsimulatedannealing,PSOSA)算法。该算法利用模拟退火算法以一定概率接受较差点的概率突跳特性,克服粒子群优化算法易陷入局部
2、最优的缺陷。采用可行性原则进行约束处理,并在模拟退火算法产生新粒子的过程中保留最优不可行解的信息,弥补了可行性原则处理最优点位于约束边界附近时存在的不足。4个典型工程优化设计的实验结果表明,该算法能够寻得更优的约束最优化解。关键词:粒子群优化;模拟退火;约束优化;可行性原则中图分类号:TP18文献标志码:ADOI:10.3969/j.issn.1001506X.2010.07.042Particleswarmoptimizationbasedonsimulatedannealingforsolvingconstrainedoptimization
3、problemsJIAOWei,LIUGuangbin,ZHANGYanhong(TheSecondArtilleryEngineeringColl.,Xian710025,China)Abstract:Consideringtosolveconstrainedoptimizationproblems,ahybridmethodcombiningparticleswarmoptimization(PSO)andsimulatedannealing(SA)isproposed.TheprobabilityjumppropertyofSAisadoptedt
4、oavoidPSOtrappingintolocaloptimum.Afeasibilitybasedruleisusedtosolveconstrainedproblems.Thisrulemaybeinvalidwhentheoptimumisclosetotheboundaryofconstraintconditions,sothenewparticlecontainingtheinformationofgoodinfeasiblesolutionisproducedintheprocessofSA.Thealgorithmisvalidatedusin
5、gfourstandardengineeringdesignproblems,andtheresultsindicatethatPSOSAcanfindoutbetteroptimum.Keywords:particleswarmoptimization(PSO);simulatedannealing;constrainedoptimization;feasibilitybasedrule0引言速度显示出PSO算法在该领域的独特魅力。然而,PSO算法的最大缺陷是搜索过程中易于陷入局约束优化问题是最常见的一类优化问题。在科学研究部最优。为了解决这一难题,
6、许多学者借鉴具有跳出局部和工程实践中,许多优化问题都带有一定的约束条件,对此极值点区域能力的模拟退火(simulatedannealing,SA)算类问题的求解最终可归结为对一个带有约束条件的函数的法,提出了SA算法和PSO算法相结合的混合优化算优化。进化计算由于其求解过程不依赖于目标函数的解析[56]法,取得了可观的成就。本文在前人的启发和研究基础性质,同时又能以较大的概率收敛于全局最优解,因此,用上,将具有快速收敛、全局搜索能力强的PSO算法和具进化算法求解约束优化问题已成为一个研究热点。有跳出局部极值点区域能力的SA算法相结合,给出一种作为粒子群优化(pa
7、rticleswarmoptimization,PSO)算法新的基于SA的PSO(particleswarmoptimizationsimulated开创者之一的Eberhart,首先将PSO用于求解有约束条件的annealing,PSOSA)算法,并利用可行性规则的约束处理[1]最优化问题,证实了PSO算法在该领域的可行性。随之而技术,求解约束优化问题。对4个典型工程约束优化设计[24]后,更多学者关注于解约束优化问题的PSO算法。研究的仿真实验结果表明,文中给出的PSOSA算法是有效的,结果表明,PSO算法除了具有进化算法共有的优势(不需要特别是对拉力
8、/压力弹簧
