粒子群算法的研究及其在船舶工程中的應(yīng)用.pdf

1、鑒于科學(xué)研究和實(shí)際工程中許多問(wèn)題的復(fù)雜性、約束性、非線性、多局部極值和建模困難等特點(diǎn)，尋找適用于各種不同需求的新型智能優(yōu)化方法一直是許多學(xué)科的一個(gè)重要研究方向。群智能優(yōu)化技術(shù)是模仿自然界群體生物行為特征而產(chǎn)生的一類新興智能優(yōu)化算法，該算法在沒(méi)有集中控制且不提供全局模型的前提下，為求解復(fù)雜問(wèn)題的最優(yōu)解提供了基礎(chǔ)。 本文在研究群智能優(yōu)化算法的模型之——粒子群算法的基本原理和研究現(xiàn)狀的基礎(chǔ)上，針對(duì)基本粒子群算法研究中存在的一些問(wèn)題，提

2、出了多種改進(jìn)的粒子群算法，并研究這些改進(jìn)算法在船舶工程問(wèn)題中的應(yīng)用策略。 本文的研究目的是探索粒子群算法的改進(jìn)形式，使之能夠有效解決高維大值域多峰函數(shù)優(yōu)化、復(fù)雜工業(yè)系統(tǒng)的優(yōu)化控制與決策等理論和工程應(yīng)用問(wèn)題。主要研究工作包括以下幾個(gè)方面： 1．針對(duì)目前PSO算法參數(shù)選取方法(單因素試驗(yàn)法)的不足，提出一種通用的多因素的粒子群參數(shù)的選擇方法。首先通過(guò)粒子群算法參數(shù)約束方法來(lái)限制參數(shù)范圍，再利用數(shù)論和統(tǒng)計(jì)學(xué)中的均勻設(shè)計(jì)法，對(duì)算

3、法參數(shù)進(jìn)一步選定。這種試驗(yàn)優(yōu)選方法，可以在考慮多參數(shù)相互耦合、相互制約的復(fù)雜條件下，快速給出一組較好的參數(shù)值。對(duì)參數(shù)的泛化能力進(jìn)行了試驗(yàn)驗(yàn)證。對(duì)比分析測(cè)試結(jié)果表明，本文提出的參數(shù)選定方法速度快且優(yōu)化效果好，對(duì)各種改進(jìn)PSO算法的參數(shù)組合選擇具有通用性。 2．針對(duì)高維大值域多峰優(yōu)化問(wèn)題尋優(yōu)困難的現(xiàn)狀，提出了基于多種群的空間壓縮PSO算法，克服了目前存在的算法在此類問(wèn)題尋優(yōu)中存在的缺陷。在PSO算法中引入不完全搜索策略，將搜索分為幾

4、個(gè)階段，每一階段依靠各種群中的最優(yōu)勢(shì)粒子來(lái)確定各種群下一次搜索的空間。通過(guò)對(duì)搜索空間的不斷壓縮，避免了大量無(wú)效搜索，提高了搜索的速度和質(zhì)量。同時(shí)，該方法適合多臺(tái)計(jì)算機(jī)協(xié)同工作，且不需要特殊的并行計(jì)算平臺(tái)。測(cè)試表明：本文提出的空間壓縮PSO算法可以有效地壓縮搜索空間，顯著提高搜索效率。 3．由于隨機(jī)算法種群產(chǎn)生的隨機(jī)性，使得算法的搜索質(zhì)量和速度也呈隨 機(jī)性，這使普通的隨機(jī)算法難以滿足某些無(wú)法多次優(yōu)化、但又需要實(shí)時(shí)優(yōu)化的工程

5、需要。針對(duì)這一問(wèn)題，提出了基于均勻設(shè)計(jì)法確定關(guān)鍵代次種群的PSO算法。利用均勻設(shè)計(jì)方法產(chǎn)生PSO算法的初始種群(或關(guān)鍵代次種群)，使種群中的粒子在搜索空間分布更好地保持了均勻分散性。給出了4種種群的生成方案，通過(guò)測(cè)試和對(duì)比分析表明，基于值域分割的均勻設(shè)計(jì)種群生成法能使算法的搜索效果最好；基于均勻設(shè)計(jì)設(shè)定初始種群的算法可以在不喪失搜索質(zhì)量和效果的前提下，能使算法具有更穩(wěn)定的搜索效率和搜索質(zhì)量，同時(shí)能有效減少粒子聚集和搜索早熟的隨機(jī)性發(fā)生。

6、 4．將社會(huì)心理學(xué)的意識(shí)選擇在“個(gè)人與團(tuán)體”、“領(lǐng)導(dǎo)與服從”中的作用引入算法中，給出了一種具有選擇意識(shí)異步PSO算法。使粒子跟隨優(yōu)勢(shì)粒子不再盲從而是具有選擇能力，并對(duì)算法的計(jì)算性能進(jìn)行了對(duì)比分析與測(cè)試。測(cè)試表明，這種結(jié)合了社會(huì)心理學(xué)思想的異步模式PSO算法，可以在保持異步模式收斂速度快于同步模式的優(yōu)勢(shì)基礎(chǔ)上，進(jìn)一步提高搜索的質(zhì)量。 5．針對(duì)目前船舶自動(dòng)舵仍信賴PID舵的現(xiàn)狀，設(shè)計(jì)了基于具有選擇意識(shí)的異步PSO算法的新型

7、實(shí)時(shí)參數(shù)優(yōu)化。給出了解決該工程問(wèn)題的步驟和方法和數(shù)值計(jì)算結(jié)果及分析。仿真結(jié)果表明：本文提出的PSO免疫自動(dòng)舵控制策略使得系統(tǒng)魯棒性得到提高，算法搜索的快速性得到了體現(xiàn)。 6．針對(duì)目前艦艇消磁目標(biāo)單一、消磁優(yōu)化決策難的現(xiàn)狀，將基于多種群的空間壓縮PSO算法應(yīng)用到艦船消磁優(yōu)化決策中，很好地解決了艦船消磁中變量值域范圍大、目標(biāo)函數(shù)維數(shù)高的工程難題，并可以實(shí)現(xiàn)多種目標(biāo)的優(yōu)化決策。本文給出了解決該工程問(wèn)題的方法、步驟和數(shù)值計(jì)算的結(jié)果及分析

8、。本文提出的方法具有通過(guò)多階段的不完全搜索來(lái)壓縮調(diào)節(jié)量取值范圍、通過(guò)多群體之間的獨(dú)立性保證對(duì)壓縮區(qū)域?qū)ψ顑?yōu)解包圍的概率、通過(guò)逐步壓縮搜尋范圍來(lái)減低搜索難度的特點(diǎn)，仿真結(jié)果表明，本文提出的方法可以加快消磁優(yōu)化決策速度和質(zhì)量，在船舶消磁線圈系統(tǒng)的優(yōu)化調(diào)整工作中起到很好的效果。 7．針對(duì)船舶電力系統(tǒng)網(wǎng)絡(luò)重構(gòu)問(wèn)題，本文提出了新的離散編碼公式，將實(shí)數(shù)編碼的基于均勻設(shè)計(jì)產(chǎn)生關(guān)鍵代次種群的PSO算法運(yùn)用到了屬于離散優(yōu)化的船舶電力系統(tǒng)網(wǎng)絡(luò)重構(gòu)問(wèn)

9、題中。不但充分利用了基于均勻設(shè)計(jì)產(chǎn)生關(guān)鍵代次種群的PSO算法搜索穩(wěn)定性高的的特點(diǎn)，還形成了一種新的離散粒 子群算法。在工程實(shí)現(xiàn)過(guò)程中，還給出了利用故障提取信息對(duì)粒子的取值范圍進(jìn)行壓縮的方法和優(yōu)啟發(fā)式規(guī)則。測(cè)試表明：提出的PSO改進(jìn)算法在決策生成速度上略優(yōu)于其他方法，搜索質(zhì)量也和其他方法相當(dāng)，在最優(yōu)解的穩(wěn)定性上明顯優(yōu)于其它算法，對(duì)船舶電力系統(tǒng)的網(wǎng)絡(luò)重構(gòu)問(wèn)題有很好的實(shí)用性，具有較好的應(yīng)用前景。 最后總結(jié)了整個(gè)論文研究工作的成