[發明專利]一種基于改進混沌蜂群算法的工程約束參數優化方法

在審

• 申請號: 201710076168.4
• 申請日: 2017-04-01
• 公開（公告）號: CN106875050A
• 公開（公告）日: 2017-06-20
• 發明（設計）人: 張悅;王國臣;范世偉;徐定杰;李倩
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于智能算法應用技術領域，尤其涉及一種基于改進的蜂群算法的工程約束參數優化方法。

背景技術

工程參數優化問題廣泛地存在于日常生產生活中，傳統的工程約束參數優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優化的需求。一般來說，工程參數優化問題都是在許多線性或非線性約束的前提下。但是，由于目前對工程約束參數優化問題的求解方法認識還不夠深入，如果搜索空間不可微或參數間為非線性性，則往往得不到全局最優解，即陷入局部優化。因此，全局搜索和局部搜索的平衡機制對優化算法的成功時很重要的，需要一種不依賴于系統模型的具體表達方式的約束參數優化方法。

蜂群算法是一種新型的仿生學優化算法，思想是利用蜜蜂群體搜索蜜源的路線進行判斷選擇的方式方法。該算法具有較強的適應性、正反饋性和魯棒性，但也存在易陷入局部最優解。混沌蜂群算法是利用混沌算法的全排列性，利用混沌變量具有遍歷性、隨機性和規律性的特點，改進蜂群算法容易過早收斂、易陷于局部最優、對邊緣定位不準確等問題。本文采用混沌蜂群算法進行工程約束參數的優化，該方法能夠快速、清晰、準確且有效性強。

發明內容

本發明的目的在于提供一種能夠彌補傳統蜂群算法存在結構復雜難以確定、局部優化、搜索效率低等缺點，提出一種快速、清晰、準確的算法解決一般工程約束參數的優化方法。

本發明的目的是這樣實現的：

基于改進人工蜂群算法的工程約束參數優化方法，包括以下步驟：

步驟一：通過混沌算法確定參數向量即其取值范圍，用目標函數和等式或不等式進行描述；在實驗區域范圍內隨機投放足夠數量的蜜蜂，蜜蜂隨機搜索路徑時會不斷更新信息素矩陣，利用蜂群算法的正反饋性，最終產生的信息素矩陣，從而確定蜂源的位置。初始的信息素矩陣不能為0，蜜蜂轉移將不能開始，所以要采用隨機矩陣作為信息素矩陣初始化。蜜蜂下一步要走的位置，由轉移概率決定。

步驟二：根據步驟一中確定的參數向量的個數和取值范圍，初始化人工蜂群，確定最大限制迭代次數Limit、最大循環次數c及搜索目標參數個數N，令引領蜂在初始位置領域內隨機地搜索蜜源；

所涉及的引領蜂初始位置表達式為：

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

引領蜂初始位置領域L的位置表達式為：

其中，w_ij為引領蜂初始位置，l_ij為引領蜂領域搜索位置，φ_ij為參數搜索步長，取值范圍為[-F,F],F為0到1之間的隨機數；

F的表達式為：

步驟三：以概率P選取步驟一中由混沌算法確定的參數作為調整對象，引入概率P控制搜索過程中矩陣向量中參數的個數，并適當的改變步長參數F，首先由引領蜂在當前蜜源鄰域內隨機搜索新的蜜源，獲取個蜜源的代價函數值q_i,由q_i計算適應度函數值Q_i,在當前搜索的位置Q_i大于q_i時，則轉移到其它為去過的蜜源，引領蜂將在新的蜜源附近搜索并記錄Q_i較大的蜜源位置信息；

所涉及的M表達式為：

M＝e^-a·b/c

其中，b為蜂群循環次數，c為最大循環次數，a為控制參數；

所涉及的適應度函數值fit_i表達式為：

式中，abs()為取絕對值函數；

步驟四：待所有引領蜂搜索結束，根據各引領蜂所在蜜源的適應度函數值Q_i，得到跟隨蜂轉至各蜂源概率P_i，依據概率進行位置更新，并記錄每次蜂群迭代搜索過程中的適應度函數值最大的蜜源位置w_best；

所涉及的轉移概率P_i表達式為：

其中，Q_min為本次循環后適應度函數值最小值，a為調整因子；

步驟五：重復步驟三、步驟四，經過有限循環搜索，得到參數的最有估計值。