基于群體智能混合優(yōu)化算法的研究.pdf

1、群體智能隨機、并行、分布式和非集中控制等特點，為尋找復(fù)雜優(yōu)化問題的解決方案提供了基礎(chǔ)。目前對于群體智能優(yōu)化算法解決優(yōu)化問題的研究已經(jīng)成為自然計算的重要領(lǐng)域。然而單一的群體智能模型并不能滿足實際問題中出現(xiàn)的多模態(tài)、高維、帶約束和多目標優(yōu)化問題，所以針對解決具體的優(yōu)化問題設(shè)計混合的智能優(yōu)化算法具有十分重要的理論意義和應(yīng)用價值。本文主要針對粒子群優(yōu)化和菌群優(yōu)化兩種典型的群體智能優(yōu)化算法進行研究，給出了解決多種優(yōu)化問題的混合群體智能優(yōu)化算法，取

2、得的主要成果歸納如下：
　　將粒子群優(yōu)化的基本原理與克隆選擇算法相結(jié)合，提出了一種新的混合算法。首先在de castro的克隆選擇算法的基礎(chǔ)上，設(shè)計了加強算子，使粒子群的優(yōu)化思想融合到了克隆選擇算法中；然后將粒子群優(yōu)化算法與人工免疫算法的結(jié)合，利用免疫網(wǎng)絡(luò)的基本原理設(shè)計了抗體抑制算子，同時重新設(shè)計了克隆算子和超變異算子。將所提供的混合算法在多模態(tài)函數(shù)優(yōu)化問題、導(dǎo)軌滾珠優(yōu)化問題和PID控制器參數(shù)自整定進行了應(yīng)用。
　　針對粒子

3、群優(yōu)化算法對高維函數(shù)優(yōu)化的早熟問題，基于克隆選擇原理和粒子群的群體智能思想提出了一種動態(tài)多群體的優(yōu)化方法。該算法將子群體作為抗體，而在子群體內(nèi)部施行PSO，同時利用克隆選擇原理設(shè)計了克隆、變異、選擇和受體編輯算子。通過七個各有特點的高維復(fù)雜函數(shù)的優(yōu)化，驗證了本算法的尋優(yōu)能力。
　　針對菌群優(yōu)化算法收斂速度慢，在最優(yōu)值附近容易發(fā)生震蕩的問題，基于菌群優(yōu)化和遺傳算法的思想提出了一種處理約束優(yōu)化問題新方法。首先，該算法利用佳點集產(chǎn)生初始

4、菌群群體，并加入了基于佳點集的交叉算子；其次設(shè)計了自適應(yīng)變化趨藥性步長，并采用Pareto支配的概念處理了約束條件使得單目標約束優(yōu)化問題轉(zhuǎn)化為多目標非約束優(yōu)化問題；最后設(shè)計了一種新的混合選擇策略。利用11個典型的約束優(yōu)化問題(包括線性、非線性、等式以及不等式約束)的數(shù)值仿真驗證本算法的有效性，并將其用于解決三個工程中的設(shè)計問題。
　　分析了基本的BFO解決多目標優(yōu)化問題的結(jié)果，基于存在的問題，將文化算法(CA)的思想加入到 BFO