一种基于改进人工蜂群算法的工程约束参数优化方法
【专利摘要】本发明公开一种基于改进人工蜂群算法的工程约束参数优化方法。该方法用目标函数和等式(或不等式)约束描述工程约束参数优化问题；根据参数取值范围，初始化人工蜂群；以概率M选取参数向量中部分参数作为调整对象，自适应调节搜索步长，令引领蜂在邻域内随机搜索蜜源；跟随蜂根据各蜜源对应的代价函数值fi，由fi获取适应度函数值fiti，进而得到转移至各蜜源概率Pi，并判断是否进行位置更新；在每次迭代搜索过程中，记录当前的最优解，经过有限次迭代搜索，得到参数的最优估计值。本发明使搜索步长随搜索次数自适应变化，在不影响搜索准确度的前提下，有效地减少搜索时间，提高搜索效率。
【专利说明】一种基于改进人工蜂群算法的工程约束参数优化方法
【技术领域】
[0001] 本发明属于智能算法应用【技术领域】，尤其涉及一种基于改进人工蜂群算法的工程约束参数优化方法。
【背景技术】
[0002]工程参数优化问题广泛地存在于人们的生产生活中，一般来说，工程参数优化问题都是在许多线性或非线性约束的前提下。但是，由于目前我们对工程约束参数优化问题的求解方法认识还不够深入，还不能像非约束问题那样，把所涉及的模型优化全部转化为线性或非线性方程的求解。因此，需要一种不依赖于系统模型的具体表达方式的约束参数优化方法。
[0003]为了解决这一问题，之前很多学者将智能算法(例如:神经网络、遗传算法、粒子群算法等)应用到工程约束参数优化问题中。但是，如果搜索空间不可微或参数间为非线性，则往往得不到全局最优解，即陷入局部最优。因此，全局搜索和局部搜索的平衡机制对优化算法的成功是很重要的。此外，像神经网络这种结构复杂、搜索效率低等问题，总之，传统的工程约束参数优化方法存在诸多不令人满意的问题，难以满足工程约束参数优化的需求。但是，随着智能算法的迅速发展及其在工程应用的日渐广泛，工程约束参数优化问题在计算效率和计算精度上还仍有较大的提升空间。
【发明内容】
[0004]本发明的目的在于提供一种解决一般工程约束参数优化方法存在结构复杂难以确定、局部最优、搜索效率低等缺点的基于改进人工蜂群算法的工程约束参数优化方法。
[0005]本发明的目的是这样实现的:
[0006]基于改进人工蜂群算法的工程约束参数优化方法，包括以下步骤:
[0007]步骤一:确定参数向量及其取值范围，用目标函数和等式或不等式进行描述；
[0008]步骤二:根据步骤一中确定的参数向量的个数和取值范围，初始化人工蜂群，确定最大限制迭代次数Limit、最大循环次数MaxCycles及搜索目标参数个数D,令引领蜂在初始位置邻域内随机地搜索蜜源；
[0009]所涉及的引领蜂初始位置表达式为:
[0010]
【权利要求】
1.一种基于改进人工蜂群算法的工程约束参数优化方法，其特征在于，该方法包括以下步骤: 步骤一:确定参数向量及其取值范围，用目标函数和等式或不等式进行描述； 步骤二:根据步骤一中确定的参数向量的个数和取值范围，初始化人工蜂群，确定最大限制迭代次数Limit、最大循环次数MaxCycles及搜索目标参数个数D,令引领蜂在初始位置邻域内随机地搜索蜜源； 所涉及的引领蜂初始位置表达式为:
2.根据权利要求1所述的基于改进人工蜂群算法的工程约束参数优化方法，其特征在于，当迭代次数大于最大限制迭代次数Limit时，要放弃所在蜜源，同时由侦察蜂代替引领蜂产生一个新的位置。 根据权利要求1所述的基于改进人工蜂群算法的工程约束参数优化方法，其特征在于，当参数超出其最大取值范围时，将该参数设定为该边界的最大值或最小值。
【文档编号】G06N3/00GK103927580SQ201410172296
【公开日】2014年7月16日 申请日期:2014年4月25日 优先权日:2014年4月25日
【发明者】高伟, 赵博, 姜鑫, 周广涛, 郝勤顺, 孙艳涛, 夏秀玮, 刘学敏, 于春阳, 林萌萌 申请人:哈尔滨工程大学