文化群智能優(yōu)化算法及其應(yīng)用.pdf

1、最優(yōu)化是各行各業(yè)應(yīng)用相對廣泛的一個常用術(shù)語。近年來,對于一些規(guī)模大,難度高,非線性及無梯度信息的工程問題,群智能優(yōu)化方法已經(jīng)越來越凸顯出其相對于傳統(tǒng)優(yōu)化算法的優(yōu)越性。但是,單一的群智能算法難以滿足實際問題中出現(xiàn)的多模態(tài),帶約束,動態(tài)時變等特性的要求。為了取長補短以在盡量短的時間內(nèi)得到盡量優(yōu)化的解,當(dāng)今很多學(xué)者致力于研究各種群智能算法的融合技術(shù)。本論文課題是在群智能算法融合的基礎(chǔ)上，增加了文化框架的概念。各種群智能算法的大部分操作都是隨機

2、的個體及群體行為,沒有知識經(jīng)驗的積累以及指導(dǎo)。各種各樣知識的大量提取,積累及應(yīng)用才能指導(dǎo)整個社會的前進方向,推進社會的進步從而加速人類社會的發(fā)展。如果我們能夠發(fā)現(xiàn),采集并提取各種不同的知識并用以指導(dǎo)群智能算法,會使群智能領(lǐng)域的研究有一個質(zhì)的飛躍。群智能算法在工程優(yōu)化,模糊聚類,數(shù)據(jù)挖掘,機器學(xué)習(xí)等等各個方面的成熟應(yīng)用,也恰恰說明了文化框架下的群智能算法的融合技術(shù)并非只是站在一個理論的高度上，它還擁有著充分的實際應(yīng)用意義。本論文圍繞群智能

3、算法中的粒子群算法和魚群算法等,深入研究了群智能算法和文化算法的融合方式,系統(tǒng)地提出了一系列文化群智能算法。并將提出的算法成功地應(yīng)用于高超聲速飛行器軌跡優(yōu)化設(shè)計以及帶有主動振動控制器的感應(yīng)電機系統(tǒng)的參數(shù)辨識問題。本文的研究成果主要有以下幾個方面:
　　首先,本文提出了兩種不同的方式將粒子群算法嵌入到文化框架中。在第一種融合方式中,我們將微分進化算法跟粒子群算法相融合,再將融合后的算法嵌入到文化算法框架中去,得到了基于微分進化方式的

4、文化粒子群算法(PSOCCA, Particle Swarm Optimization Combined with Cultural Algorithm)。在第二種融合方式中,我們在粒子群算法中引入了遺傳算法中的變異算子,再將其嵌入到文化框架的種群空間中。同時利用存儲在信念空間中的知識與我們所創(chuàng)建的影響函數(shù)共同指導(dǎo)分布在種群空間中粒子的進化,得到了精度明顯優(yōu)于 PSOCCA的帶變異的文化粒子群優(yōu)化算法(CPSOM, Cultural A

5、lgorithm-based Particle Swarm Optimization with Mutation)。最后我們用一些典型的高維多峰非線性函數(shù)來測試兩種優(yōu)化算法的性能。仿真結(jié)果表明兩種新算法與基本PSO算法相比,都改善了其早熟的缺限,從而提高了基本PSO算法的全局優(yōu)化性能。
　　其次,本文提出了一種基于文化框架下的魚群算法。構(gòu)造了一種適用于人工魚群算法的影響函數(shù),從而把人工魚群算法與文化算法相結(jié)合,得到了文化人工魚群算

6、法(Novel Cultured Artificial Fish-Swarm Algorithm with Crossover, CAFAC)。高維多峰非線性函數(shù)的優(yōu)化結(jié)果表明,我們所提出的文化人工魚群算法在尋優(yōu)性能上較人工魚群算法有了很大的提高。在此基礎(chǔ)之上，我們用文化人工魚群算法來解決具有工程背景的組合梁優(yōu)化設(shè)計與拉伸彈簧優(yōu)化設(shè)計問題。仿真結(jié)果表明,本文提出的文化人工魚群算法在解決約束優(yōu)化問題上也凸顯出了一定的優(yōu)勢。
　　再次

7、,我們提出了一種新的文化量子粒子群算法(Cultural Quantum-behaved Particle Swarm Optimization,CQPSO)。在CQPSO中,我們將量子粒子群算法與文化算法相融合,創(chuàng)建了適用于文化量子粒子群算法的影響函數(shù),并利用存儲在信念空間中的情境知識與規(guī)范知識來指導(dǎo)量子粒子群的進化。高維非線性函數(shù)的優(yōu)化結(jié)果表明,文化量子粒子群優(yōu)化算法與基本粒子群算法相比,在優(yōu)化精度上得到了顯著的提高。并將所提出的文

8、化量子粒子群算法應(yīng)用到了具有實際工程背景的壓力容器優(yōu)化設(shè)計來減少圓柱容器的材料消耗。
　　最后,我們將上面所提出的文化群智能算法應(yīng)用在高超聲速飛行器的再入軌跡優(yōu)化設(shè)計和帶有內(nèi)置控制繞組的感應(yīng)電機的參數(shù)辨識中。針對高超聲速飛行器的再入軌跡優(yōu)化設(shè)計問題,我們設(shè)計了懲罰函數(shù)來處理其中的不等式約束,將攻角指令作為軌跡優(yōu)化問題的輸入量,同時將所得到的結(jié)果與序列二次規(guī)劃方法(Sequence Quadratic Programming, SQ