当前位置:文档之家› 混合粒子群优化算法及其应用

混合粒子群优化算法及其应用


檭殐
檭檭檭檭檭檭殐
研究论文
混合粒子群优化算法及其应用
邢 杰 , 萧德云
( 清华大学自动化系 , 北京 1 ) 0 0 0 8 4
檭檭殐
:H 犃 犫 狊 狋 狉 犪 犮 狋 b r i dp a r t i c l es w a r mo t i m i z a t i o nw a sp r e s e n t e dt oi m r o v et h eo t i m i z i n f f i c i e n c ft h e y p p p ge yo a r t i c l es w a r mb h a n i n h eo t i m i z i n t r a t e ft h eg l o b a lb e s tp a r t i c l e .A i m e da tt h ep r o b l e mo f p yc g gt p gs g yo , o t i m i z a t i o nw i t ha l i m i to nc o m u t i n i m e s u c ha s t h es t a t ep r e d i c t i o no f a t i c a l e u i m e n t i np r o c e s s p p gt y p q p , i n d u s t r h b r i dp a r t i c l es w a r mo t i m i z a t i o n t o o kt h eg l o b a l b e s t o s i t i o n f o u n db t h ep a r t i c l e s w a r ma s a y y p p y , h i c hp e r f o r m e dt h eg r a d i e n td e s c e n d i n t i m i z a t i o n . B d d i n h ei n d i v i d u a lg r a d i e n t s e c i a lp a r t i c l e w go p ya gt p , d e s c e n d i n t i m i z a t i o no f t h eg l o b a l b e s t a r t i c l e t o t h eo t i m i z a t i o n i t e r a t i o n s t h eg l o b a l s e a r c ha n d l o c a l go p p p s e a r c hw e r ec o m b i n e di nh b r i dp a r t i c l es w a r mo t i m i z a t i o n .T h eh b r i d i s mo ft h i sn e wp a r t i c l es w a r m y p y , o t i m i z a t i o n i m r o v e d t h eo t i m i z i n f f i c i e n c f t h ep a r t i c l e s w a r m a n dr e d u c e d t h e t i m eo f o t i m i z a t i o n p p p ge yo p , h b r i dp a r t i c l es w a r mo t i m i z a t i o nw a sa l i e dt ot h es t a t e c o m u t i n . I nt h et e s to far e a la l i c a t i o n p g p p y p p p ,w r e d i c t i o no f t h ec o n t i n u o u ss t i r r e dt a n kr e a c t o r( C S T R) h i c hi sat i c a le u i m e n to ft h ep r o c e s s p y p q p i n d u s t r . I nt h e t e s t t r a i n i n fn e u r a ln e t w o r kt h a tw a su s e di nt h ep r e d i c t i o no f t h ec o n c e n t r a t i o no f t h e y go ,h C S T Rp r o d u c t b r i dp a r t i c l es w a r mo t i m i z a t i o nt o o kl e s so t i m i z i n t e r a t i o n st h a nt h et r a d i t i o n a l y p p gi , , a r t i c l es w a r mo t i m i z a t i o n a n d t o o k l e s so t i m i z a t i o nc o m u t i n t i m e w h i c hs h o w e d t h a t h b r i dp a r t i c l e p p p p g y s w a r mo t i m i z a t i o nc o u l dr e d u c e t h ec o m u t i n i m eo f o t i m i z a t i o na s t h eo r i i n a l i n t e n t o f t h i s r e s e a r c h. p p gt p g :h ;s ;n 犓 犲 狅 狉 犱 狊 b r i dp a r t i c l es w a r mo t i m i z a t i o n i m u l a t e da n n e a l i n e u r a l n e t w o r k; c o n t i n u o u s s t i r r e d y p g 狔狑 t a n kr e a c t o r
图 1 传统粒子群优化算法的计算流程 F i . 1 P r o c e s so f t r a d i t i o n a lP S O g
[] 的M a r k o v 链分 析 7 。 从 M a r k o v 链 的 观 点, 模 拟 退火算法是在梯度下降算法的基础上 , 引入噪声项
犎 犫 狉 犻 犱狆 犪 狉 狋 犻 犮 犾 犲 狊 狑 犪 狉 犿狅 狋 犻 犿 犻 狕 犪 狋 犻 狅 狀犪 狀 犱 犻 狋 狊犪 犾 犻 犮 犪 狋 犻 狅 狀 狔 狆 狆 狆
,犡 犡 犐 犖 犌犑 犻 犲 犐 犃 犗犇 犲 狌 狀 狔
( 犇 犲 犪 狉 狋 犿 犲 狀 狋 狅 狌 狋 狅 犿 犪 狋 犻 狅 狀,犜 狊 犻 狀 犺 狌 犪犝 狀 犻 狏 犲 狉 狊 犻 狋 犲 犻 犻 狀 0 0 0 8 4,犆 犺 犻 狀 犪) 狆 犳犃 犵 狔,犅 犼 犵1
] 5 6 范围和 寻 优 时 间 , 从 而 发 现 尽 量 好 的 最 优 解 [ ,
适用于模式识别等对优化精度要求较高而对计算时 间要求较低的实际问题 。 而对于流程工业典型设备 运行中的 在 线 预 测 等 需 要 限 制 优 化 计 算 时 间 的 问 题 , 目前的粒子群优化算法则需要在优化效率方面 进一步 提 高 。 因 此 , 本 文 提 出 混 合 粒 子 群 优 化 算 法 , 通过引入梯度下降环节 , 改进寻优策略 , 以提 高粒子群的寻优效率 , 缩短计算时间 。
0 0 8-0 4-1 4 收到初稿 ,2 0 0 8-0 4-3 0 收到修改稿 。 2 联系 人 : 萧 德 云 。 第 一 作 者 : 邢 杰 ( , 男, 博 士 研 1 9 7 8—) 究生 。 基金项 目 : 国 家 高 技 术 研 究 发 展 计 划 项 目 ( 2 0 0 2 AA 4 1 2 4 2 0, ) 。 2 0 0 2 AA 4 1 2 5 1 0
1 粒子群优化算法
在粒子群优化算法中 , 粒子群中粒子的总数为
以增加寻优过程跳出局部极小的概率 , 以利于算法 搜 索 到 全 局 最 优。 因 此, 对 模 拟 退 火 算 法 的 思路进 行 逆 向 思 维 , 在 粒 子 群 优 化 算 法 中 M a r k o v 引入梯度下降寻优 , 即形成混合粒子群优化算法
:2 犲 犮 犲 犻 狏 犲 犱犱 犪 狋 犲 0 0 8-0 4-1 4. 犚 :P :x 犆 狅 狉 狉 犲 狊 狅 狀 犱 犻 狀 狌 狋 犺 狅 狉 r o f .X I AO D e u n .犈-犿 犪 犻 犾 i d a o d y y 狆 犵犪 a i l s . t s i n h u a . e d u . c n @m g 犉 狅 狌 狀 犱 犪 狋 犻 狅 狀犻 狋 犲 犿:s u o r t e db h eH i h t e c hR e s e a r c ha n d p p yt g ,2 ) D e v e l o m e n tP r o r a mo fC h i n a( 2 0 0 2 A A 4 1 2 4 2 0 0 0 2 A A 4 1 2 5 1 0 . p g·1Biblioteka 7 0 8·化 工 学 报
9卷 第5
引 言
粒子群优化算法是一种用于连续非线性函数优 化的人工智能优化算法 , 由群体智能生命模拟和进
1] 化算法两种学科交叉而成 [ 。 作为一种基于群 体 智
能的优化算法 , 粒子群优化算法在解决大规模非线 性的连续问题中具有更高的优化效率和更好的优化 结果 。 粒子群优化算法在理论上能够收敛到全局最
2] 优[ , 而且可以在连续的实数空间内直接完成 寻 优
任务 , 在神经网络训练 、 电力系统控制等大规模优
] 3 4 化问题中得到广泛应用 [ 。
近年来 , 粒子群优化算法在参数设定和更新方 法上有很大改进 。 但理论上的研究主要集中于如何 避免粒子群 “ 早 熟” ,增加粒子群在空间中的散布
相关主题