求解連續(xù)優(yōu)化問題的集群智能算法應用研究.pdf

1、在實際工程應用中有很多優(yōu)化問題是NP難問題，難以應用傳統(tǒng)數(shù)學方法來解決。近年來，有一種集群智能算法正在引起廣大研究學者的注意，這種基于群體的啟發(fā)式隨機優(yōu)化算法在求解優(yōu)化問題時不需要考慮待優(yōu)化函數(shù)的數(shù)學特性，并且可以實現(xiàn)并行計算，適合于求解復雜的工程優(yōu)化問題。蟻群優(yōu)化算法和粒子群優(yōu)化算法是新近出現(xiàn)的典型的集群智能算法，兩種算法都是通過由候選解組成的群體的進化來達到尋找最優(yōu)解的目的。本論文討論了這兩種優(yōu)化算法的基本原理與特點，在此基礎上，針

2、對這些算法在實際應用領域中存在的問題，提出了相應的改進方法，并且通過多個常用測試例對算法進行了仿真驗證。本論文主要研究成果如下： 1.綜述了蟻群優(yōu)化算法求解優(yōu)化問題的原理，總結(jié)出算法成功的關鍵。對蟻群算法應用于連續(xù)優(yōu)化問題的各種模型進行了綜述，并分析了以往各種連續(xù)蟻群算法模型的弊病。針對NP難優(yōu)化問題求解難點，提出一種具有通用性的連續(xù)蟻群算法模型，包括快速尋優(yōu)機制和簡單的信息素交流機制，可以有效地在連續(xù)域上進行尋優(yōu)。研究表明，這

3、種算法在尋優(yōu)性能上優(yōu)于其它連續(xù)蟻群算法、基本粒子群算法。 2.綜述了粒子群優(yōu)化算法的原理、特點及其研究進展。對粒子群的缺陷進行了分析，總結(jié)了算法易陷入局部最優(yōu)的原理。提出一種自適應的變異機制，為算法充分搜索整個可行域提供引導信息，能使算法更快地尋找到最優(yōu)解，并且有利于算法跳出局部最優(yōu)解。同時，為了提高算法尋優(yōu)精度，在算法趨于收斂后縮小搜索域，在尋得的最優(yōu)解附近進一步尋優(yōu)。研究表明，改進算法尋得的解遠遠優(yōu)于其它改進粒子群算法。

4、 3.綜述了電力系統(tǒng)中經(jīng)濟負荷分配問題的模型及其特點，總結(jié)了常用的求解方法。通過分析在電廠內(nèi)部計算或電網(wǎng)分布密集情況下對經(jīng)濟負荷分配模型的簡化，分析了這種問題的特點及相應求解方法的缺點。針對問題中的等式約束提出一種簡單快速的不可行解修補方法，并且結(jié)合本文提出的自調(diào)節(jié)粒子群算法對經(jīng)濟負荷分配問題進行了求解，取得了較好的結(jié)果。 最后，總結(jié)了全文研究的內(nèi)容，提出了連續(xù)蟻群算法和粒子群優(yōu)化算法中尚待解決的問題，展望了集群智能算法進一