[發(fā)明專利]一種基于改進人工蜂群算法的工程約束參數(shù)優(yōu)化方法

有效

• 申請?zhí)枺?/td>: 201410172296.5
• 申請日: 2014-04-25
• 公開（公告）號: CN103927580B
• 公開（公告）日: 2017-02-01
• 發(fā)明（設(shè)計）人: 高偉;趙博;姜鑫;周廣濤;郝勤順;孫艷濤;夏秀瑋;劉學敏;于春陽;林萌萌
• 申請（專利權(quán)）人: 哈爾濱工程大學
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明屬于智能算法應(yīng)用技術(shù)領(lǐng)域，尤其涉及一種基于改進人工蜂群算法的工程約束參數(shù)優(yōu)化方法。

背景技術(shù)

工程參數(shù)優(yōu)化問題廣泛地存在于人們的生產(chǎn)生活中，一般來說，工程參數(shù)優(yōu)化問題都是在許多線性或非線性約束的前提下。但是，由于目前我們對工程約束參數(shù)優(yōu)化問題的求解方法認識還不夠深入，還不能像非約束問題那樣，把所涉及的模型優(yōu)化全部轉(zhuǎn)化為線性或非線性方程的求解。因此，需要一種不依賴于系統(tǒng)模型的具體表達方式的約束參數(shù)優(yōu)化方法。

為了解決這一問題，之前很多學者將智能算法(例如：神經(jīng)網(wǎng)絡(luò)、遺傳算法、粒子群算法等)應(yīng)用到工程約束參數(shù)優(yōu)化問題中。但是，如果搜索空間不可微或參數(shù)間為非線性，則往往得不到全局最優(yōu)解，即陷入局部最優(yōu)。因此，全局搜索和局部搜索的平衡機制對優(yōu)化算法的成功是很重要的。此外，像神經(jīng)網(wǎng)絡(luò)這種結(jié)構(gòu)復(fù)雜、搜索效率低等問題，總之，傳統(tǒng)的工程約束參數(shù)優(yōu)化方法存在諸多不令人滿意的問題，難以滿足工程約束參數(shù)優(yōu)化的需求。但是，隨著智能算法的迅速發(fā)展及其在工程應(yīng)用的日漸廣泛，工程約束參數(shù)優(yōu)化問題在計算效率和計算精度上還仍有較大的提升空間。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種解決一般工程約束參數(shù)優(yōu)化方法存在結(jié)構(gòu)復(fù)雜難以確定、局部最優(yōu)、搜索效率低等缺點的基于改進人工蜂群算法的工程約束參數(shù)優(yōu)化方法。

本發(fā)明的目的是這樣實現(xiàn)的：

基于改進人工蜂群算法的工程約束參數(shù)優(yōu)化方法，包括以下步驟：

步驟一：確定參數(shù)向量及其取值范圍，用目標函數(shù)和等式或不等式進行描述；

步驟二：根據(jù)步驟一中確定的參數(shù)向量的個數(shù)和取值范圍，初始化人工蜂群，確定最大限制迭代次數(shù)Limit、最大循環(huán)次數(shù)MaxCycles及搜索目標參數(shù)個數(shù)D，令引領(lǐng)蜂在初始位置鄰域內(nèi)隨機地搜索蜜源；

所涉及的引領(lǐng)蜂初始位置表達式為：

式中，Ri_j為0到1之間的隨機數(shù)，N為0到1之間的設(shè)定值；i＝1...SN，j＝1...D，SN為蜜源的個數(shù)，為第j個參數(shù)的最小取值，為第j個參數(shù)的最大取值，rand(0,1)表示0到1范圍內(nèi)的隨機數(shù)；

所涉及的引領(lǐng)蜂初始位置鄰域位置表達式為：

其中，x_ij為引領(lǐng)蜂初始位置，v_ij為引領(lǐng)蜂鄰域搜索位置，φ_ij為參數(shù)搜索步長，取值范圍為[-SF,SF]，SF為0到1之間的可調(diào)參數(shù)；

所涉及的SF的表達式為：

SFi(t)=SFi-1(t)*(1+cosφ),ifcosφ>0SFi-1(t)/(2-cosφ),ifcosφ≤0]]>