动态分级中心引力约束优化算法及工程应用

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (15): 14-18.

动态分级中心引力约束优化算法及工程应用

吴华伟，陈特放

中南大学信息科学与工程学院，长沙 410083

出版日期:2013-08-01 发布日期:2013-07-31

Central force constrained optimization algorithm with dynamic hierarchical and engineering application

WU Huawei, CHEN Tefang

School of Information Science and Engineering, Central South University, Changsha 410083, China

Online:2013-08-01 Published:2013-07-31

摘要/Abstract

摘要： 结合非固定多段罚函数处理约束条件，提出一种动态分级中心引力优化算法用于求解约束优化问题。该算法利用佳点集初始化个体以保证种群的多样性。在每次迭代过程中将种群分为两个子种群，分别用于全局搜索和局部搜索，根据搜索阶段动态调整子种群个体数目。对几个标准的测试问题和工程优化问题进行数值实验，结果表明该算法能处理不同的约束优化问题。

关键词: 约束优化问题, 中心引力优化算法, 非固定多段罚函数, 工程优化

Abstract: Using non-stationary multi-stage penalty function to deal with the constrained conditions, a modified central force optimization algorithm is proposed for solving constrained optimization problems. Good point set method is used in the initialization of the evolutionary population to ensure its diversity. At each generation, the population is divided into two subpopulations based on the fitness values of particles, which is employed for global and local search respectively. The number of the subpopulation is dynamically adapted according to the search phases. The proposed algorithm has been tested on 4 benchmark problems and engineering optimization problems, and the results show that it can deal with different constrained optimization problems.

Key words: constrained optimization problems, central force optimization algorithm, non-stationary multi-stage penalty function, engineering optimization

吴华伟，陈特放. 动态分级中心引力约束优化算法及工程应用[J]. 计算机工程与应用, 2013, 49(15): 14-18.

WU Huawei, CHEN Tefang. Central force constrained optimization algorithm with dynamic hierarchical and engineering application[J]. Computer Engineering and Applications, 2013, 49(15): 14-18.

[1]	陈志旺1，黄兴旺2，陈志兴3，赵子铮2，黄丽芳4. 区间多目标优化非支配排序云模型算法[J]. 计算机工程与应用, 2017, 53(22): 143-149.
[2]	徐新林，胡中波，何先平，苏清华. 自适应变异尺度系数和混合选择的回溯搜索算法[J]. 计算机工程与应用, 2017, 53(17): 6-13.
[3]	刘云连1，2，伍铁斌3，王俊年2，周桃云1，成运1. 改进罚函数法与蝙蝠算法在约束优化中的应用[J]. 计算机工程与应用, 2015, 51(9): 62-67.
[4]	王俊年1，刘云连1，2，伍铁斌3. 改进的约束优化多目标遗传算法及工程应用[J]. 计算机工程与应用, 2015, 51(3): 247-253.
[5]	龚国斌. 自适应约束优化混合粒子群算法[J]. 计算机工程与应用, 2013, 49(9): 50-53.
[6]	龙文，梁昔明，焦建军. 一种求解约束优化问题的混合算法[J]. 计算机工程与应用, 2012, 48(9): 9-11.
[7]	张慧斌，王鸿斌，邸东泉. 一种求解高维约束优化问题的γ-PSO算法[J]. 计算机工程与应用, 2012, 48(7): 43-47.
[8]	龙文1，徐松金2，焦建军1. 一种改进的约束优化差分进化算法[J]. 计算机工程与应用, 2012, 48(25): 34-38.
[9]	龙文. 一种改进的多目标约束优化差分进化算法[J]. 计算机工程与应用, 2012, 48(21): 5-8.
[10]	郭鹏，宋福庆. 求解约束优化问题的新方法[J]. 计算机工程与应用, 2011, 47(24): 51-53.
[11]	张煜东¹,吴乐南¹,吴含前². 工程优化问题中神经网络与进化算法的比较[J]. 计算机工程与应用, 2009, 45(3): 1-6.
[12]	陈文霞,龚文引,蔡之华. 正交差分演化算法在工程优化设计中的应用[J]. 计算机工程与应用, 2008, 44(18): 230-232.
[13]	王锡淮郑晓鸣肖健梅. 求解约束化问题的人工鱼群算法[J]. 计算机工程与应用, 2007, 43(3期): 40-40.