一種基于改進(jìn)人工蜂群算法的工程約束參數(shù)優(yōu)化方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)一種基于改進(jìn)人工蜂群算法的工程約束參數(shù)優(yōu)化方法。該方法用目標(biāo)函數(shù)和等式(或不等式)約束描述工程約束參數(shù)優(yōu)化問(wèn)題；根據(jù)參數(shù)取值范圍，初始化人工蜂群；以概率M選取參數(shù)向量中部分參數(shù)作為調(diào)整對(duì)象，自適應(yīng)調(diào)節(jié)搜索步長(zhǎng)，令引領(lǐng)蜂在鄰域內(nèi)隨機(jī)搜索蜜源；跟隨蜂根據(jù)各蜜源對(duì)應(yīng)的代價(jià)函數(shù)值fi，由fi獲取適應(yīng)度函數(shù)值fiti，進(jìn)而得到轉(zhuǎn)移至各蜜源概率Pi，并判斷是否進(jìn)行位置更新；在每次迭代搜索過(guò)程中，記錄當(dāng)前的最優(yōu)解，經(jīng)過(guò)有限次迭代搜索，得到參數(shù)的最優(yōu)估計(jì)值。本發(fā)明使搜索步長(zhǎng)隨搜索次數(shù)自適應(yīng)變化，在不影響搜索準(zhǔn)確度的前提下，有效地減少搜索時(shí)間，提高搜索效率。
【專(zhuān)利說(shuō)明】一種基于改進(jìn)人工蜂群算法的工程約束參數(shù)優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001] 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(jìn)人工蜂群算法的工程約束參數(shù)優(yōu)化方法。
【背景技術(shù)】
[0002]工程參數(shù)優(yōu)化問(wèn)題廣泛地存在于人們的生產(chǎn)生活中，一般來(lái)說(shuō)，工程參數(shù)優(yōu)化問(wèn)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(duì)工程約束參數(shù)優(yōu)化問(wèn)題的求解方法認(rèn)識(shí)還不夠深入，還不能像非約束問(wèn)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(lài)于系統(tǒng)模型的具體表達(dá)方式的約束參數(shù)優(yōu)化方法。
[0003]為了解決這一問(wèn)題，之前很多學(xué)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(wèn)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(jī)制對(duì)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(wèn)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(wèn)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(wèn)題在計(jì)算效率和計(jì)算精度上還仍有較大的提升空間。

【發(fā)明內(nèi)容】

[0004]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(diǎn)的基于改進(jìn)人工蜂群算法的工程約束參數(shù)優(yōu)化方法。
[0005]本發(fā)明的目的是這樣實(shí)現(xiàn)的:
[0006]基于改進(jìn)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:
[0007]步驟一:確定參數(shù)向量及其取值范圍，用目標(biāo)函數(shù)和等式或不等式進(jìn)行描述；
[0008]步驟二:根據(jù)步驟一中確定的參數(shù)向量的個(gè)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(biāo)參數(shù)個(gè)數(shù)D,令引領(lǐng)蜂在初始位置鄰域內(nèi)隨機(jī)地搜索蜜源；
[0009]所涉及的引領(lǐng)蜂初始位置表達(dá)式為:
[0010]
【權(quán)利要求】
1.一種基于改進(jìn)人工蜂群算法的工程約束參數(shù)優(yōu)化方法，其特征在于，該方法包括以下步驟: 步驟一:確定參數(shù)向量及其取值范圍，用目標(biāo)函數(shù)和等式或不等式進(jìn)行描述； 步驟二:根據(jù)步驟一中確定的參數(shù)向量的個(gè)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(biāo)參數(shù)個(gè)數(shù)D,令引領(lǐng)蜂在初始位置鄰域內(nèi)隨機(jī)地搜索蜜源； 所涉及的引領(lǐng)蜂初始位置表達(dá)式為:
2.根據(jù)權(quán)利要求1所述的基于改進(jìn)人工蜂群算法的工程約束參數(shù)優(yōu)化方法，其特征在于，當(dāng)?shù)螖?shù)大于最大限制迭代次數(shù)Limit時(shí)，要放棄所在蜜源，同時(shí)由偵察蜂代替引領(lǐng)蜂產(chǎn)生一個(gè)新的位置。 根據(jù)權(quán)利要求1所述的基于改進(jìn)人工蜂群算法的工程約束參數(shù)優(yōu)化方法，其特征在于，當(dāng)參數(shù)超出其最大取值范圍時(shí)，將該參數(shù)設(shè)定為該邊界的最大值或最小值。
【文檔編號(hào)】G06N3/00GK103927580SQ201410172296
【公開(kāi)日】2014年7月16日 申請(qǐng)日期:2014年4月25日 優(yōu)先權(quán)日:2014年4月25日
【發(fā)明者】高偉, 趙博, 姜鑫, 周廣濤, 郝勤順, 孫艷濤, 夏秀瑋, 劉學(xué)敏, 于春陽(yáng), 林萌萌 申請(qǐng)人:哈爾濱工程大學(xué)