约束函数估值策略辅助的微粒群算法.pdf

《约束函数估值策略辅助的微粒群算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第35卷第4期太原科技大学学报Vo1．35No．42014年8月JOURNALOFTAIYUANUNIVERSITYOFSCIENCEANDTECHNOLOGYAug．2014文章编号：1673—2057(2014)04—0246—07约束函数估值策略辅助的微粒群算法高鸽，孙超利，曾建潮(太原科技大学电子信息工程学院，太原030024)摘要：针对约束函数计算费时的优化问题，提出了一种基于分类器的预测微粒群算法。通过构造一个分类器对种群个体进行约束条件满足与否的估计判断，从而减少约束函数的计算时间，缩短整个优化时间。在13个标准测试函数上的测试结果表

2、明，本文提出的方法可以大大减少约束函数的实际计算次数。关键词：约束优化问题；微粒群算法；支持向量机中图分类号：TP301．5文献标志码：Adoi：10．3969／j．issn．1673-2057．2014．04．002随着科学技术的不断发展，许多实际工程领域人将代理模型应用到模拟退火算法中，提出了的最优化问题呈现出越来越复杂的特性，如目标函SASA算法，节省了实际函数的计算次数。Yao数、约束函数不能用解析式表达，而是通过复杂的等以支持向量机作为代理模型，提出分类辅助微仿真进行计算，需要花费大量的计算机时间。近年分进化算法，用来判断哪一个后代个体的

3、适应值需来，利用随机搜索算法求解约束优化问题得到了更要用实际的适应值函数计算；Sun等人根据同一多的重视。随机搜索算法对函数的性质要求非常代粒子之间的距离关系，提出了一种新的适应值预低，可以用于一般的复杂工程优化问题。微粒群算测模型，即某代任意粒子适应值已知，则该进化代法是随机搜索算法的一种，由于它不要求优化函数中任意其他粒子的适应值就可以通过预测得到；Z．连续或可微，采用简单的速度位移进化模型，需调Cui等提出了一种快速PSO算法，不需要计算所整的参数数量少，求得解的质量高、时间短，因此近有粒子的适应值，只有当可信度低于某个阈值时，年来得到了广泛

4、的应用¨，并取得了一定的成果。才需要实际计算该粒子的适应值；为了避免局部收然而，作为群体算法，微粒群算法在获得最优解之敛，该作者又采用了一种新的策略，即被估计个体前需要进行大量的适应值计算，而对于约束优化问的适应值通过加权组合来确定，而每一个父代个体题，若约束函数计算费时，则还需要耗费大量的约的权重是与周围被估计的粒子与它本身之间的距束函数计算时间，因此，微粒群算法不适合于求解离成比例的⋯。计算费时的约束优化问题。然而，对于约束函数计算费时问题研究的人并据了解已有较多的学者对适应值计算费时问不多。大部分学者针对约束函数计算费时问题，都题展开研究，如

5、崔方舒等将广义回归神经网络是通过罚函数法将其转换为无约束优化问题，然后(GRNN)与PSO算法相结合，提出了适合求解随机进行求解。然而，罚因子的选取本身就是一个优化优化问题的智能算法，通过对预测策略及模型更新问题。Sasena等¨意识到了上述问题，在有效的全策略的分析决定个体的适应值是否用实际的适应局优化算法(EGO)背景下研究了约束处理问题，避值函数计算，节省了大量适应值计算时间；针对带免了在不可行域中采样，间接地减少了约束函数的约束的多目标优化问题，HemantKumarSingh等[6]计算次数，在本文中，我们称这种方法为保持约束收稿日期：2

6、014-03-07作者简介：高鸽(1987一)，女，硕士研究生，主要研究方向为智能计算。第35卷第4期高鸽，等：约束函数估值策略辅助的微粒群算法247可行法。C．K．Goh等人提出了元模型协同进化约束优化问题的变量，表示n维欧氏向量空间，Js算法来处理目标函数和约束函数计算费时问题，提表示上的一个搜索空间，一般是所有设计变量的高代理模型进化技术的效率。文献[13]首先使用边界约束条件所围成的区域，即S={I≤≤罚函数来处理约束冲突，然后对罚函数应用代理模，i=1，2，⋯，／7,}．gj()≤0表示第(=1，2，型，以解决罚函数选取难的问题，该方法使

7、用一种⋯，P)个不等式约束条件，而h()=0则表示第连续的技术来更新模型，但是模型的质量缺理论准k(k=1，2，⋯，g)个等式约束条件，p和g分别是不确性。文献[14]针对非线性约束优化问题为每个等式函数约束和等式函数约束个数。约束函数建立一个可以提高精度的模型，随着迭代若一个变量在可行域内，则称该变量为该约束搜索的进行，模型准确性逐渐提高，可行域会从一优化问题的一个可行解。个简单的线性模型逐渐向原真实模型逼近，确保求在本文中，将使用一下数学模型用于约束优化得的最优解时原问题的最优解。问题初始可行解的产生以及约束冲突的判断：文献[15]提出一种新型

8、向量微粒群算法，该算pq法定义了一个收缩系数确保个体任意维上都在约tt()=∑max(0，())+∑max(0，abs((