一种信息素挥发DPSO及其应用研究.pdf

《一种信息素挥发DPSO及其应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2011年第4期工业仪表与自动化装置·3·一种信息素挥发DPSO及其应用研究李军军，许波桅，甘世红，张海刚(1．上海海洋大学电气工程系，上海201306；2．上海海事大学科技处，上海201306)摘要：以离散状态的信息素编码，对算法迭代公式进行调整，以信息素为依据进行离散状态选择，提出一种新颖的信息素挥发离散微粒群算法。收敛性分析表明，在一定参数条件下微粒轨迹可收敛。基于时延约束的最小能耗路由优化结果显示，该方法具有较好的搜索性能。关键词：离散微粒群优化；信息素挥发；无线传感网络；路由中图分类号：TP18文献标志码：A

2、文章编号：1000—0682(2011)04—0003—03ResearchonDPSObasedonpheromoneevaporationanditsapplicationLIJunjun，XUBowel，GANShihong，ZHANGHaigang(1．DepartmentofElectricalEngineering，ShanghaiOceanUniversity，Shanghai201306，China；2．TheScience&TechnologyDivision，ShanghaiMaritimeUniv

3、ersity，Shanghai201306，China)Abstract：Anewsortofdiscreteparticleswarlnoptimizationalgorithmbasedonpheromoneevapora-tionisputforward．Thecodingoftheparticleismadeupofthepheromonesofthediscretestates．Theit—erationexpressionsaremodified．Thediscretestatesarechosenacco

4、rdingtothepheromones．Thecon—vergencestudyindicatesthattheparticletrajectoriesareconvergentunderacertaincondition．Thismeth—odisappliedtotheminimumtotalpowerconsumptionroutingproblemwithshortdistance．Theresultsshowthatthisalgorithmpossessesbettersearchingcapabilit

5、y．Keyword：discreteparticleswarmoptimization；pheromoneevaporation；wirelesssensornetworks；rou—ting献[9—11]将信息素机制引入，对PSO算法进行了0引言改进。笔者将蚁群算法信息素积累的思想融入到微粒群优化(ParticleSwarmOptimizer，PSO)算PSO算法中，由各离散状态的信息素组成微粒的编法最初是为解决非线性连续优化问题而设计的，码，对迭代公式进行了调整，以各离散状态的信息素为将其用于解决离散问题，学者们提

6、出了各种离散为依据按随机比例规则进行离散状态的选择。优化PSO(DPSO)算法。目前DPSO算法可分为基于连结果显示该方法具有优良的收敛性能。续空间的DPSO、基于离散空间的DPSO。前者诸如1离散微粒群优化算法文献[2—4]方法等，这一类DPSO不能完全反映PSO算法中连续解的质量；后者诸如文献[5—6]1．1编码等，但目前这一类DPSO主要针对个别类型问题，缺所解决离散问题编码以一维数组[Q，Q，⋯，少一个通用的标准模型。总的来说，对于离散问Q。]为例。第t代，令Q(d=1，2，⋯，D)的可能状题，在算法设计、应用

7、研究方面还有待进一步探态为5，5，⋯，．s。对第t代微粒i，以：。，索。，⋯，：表示s。，．s，⋯，Js的信息素，则蚁群算法是一种较为成功的离散优化方法，文第t代微粒i的编码为：1112⋯Z1．收稿日期：2011—03—16基金项目：上海市教育委员会科研创新项目(批准号09YZ273)；。⋯上海市科委“创新行动计划”项目(批准号09dz1202400)；上海市优秀青年基金项目(sse08022)。⋯作者简介：李军军(1981)，男，讲师，博士，主要从事智能控制，优化算法方面的研究。微粒i按离散规则选择各离散状态之后，生

8、成·4·工业仪表与自动化装置2011年第4期一个离散微粒以记录选择情况，若离散问题第d维，则迭代公式(3)、(4)可表示为如下矩阵形式：选择某个离散状态s，则在这个离散微粒中，令Ls的对应维为1，其他离散状态对应维为0。各微粒个嘲=[：川体历史最优、种群全局最优取自离散微粒。1．2迭代嗽。国(7)若按照标准PSO算法迭代，则迭代公