摘要
针对粒子群算法对约束条件的优化处理问题,提出一种具有自适应度双群体粒子群优化算法,该算法将目标函数与约束条件分别考虑,形成2种群体以不同目标为前提同时向最优解进化;并分别对2种群体的适应度引入自适应权重系数与相应调整策略,基于并非所有非可行个体均劣于可行个体概念,动态地调整其适应度以保证部分非可行个体向可行域进化。将其应用于组群机器人队形控制中,链型结构(纵队)队形仿真结果表明了该算法的有效性。该粒子群算法为实际应用中约束优化问题的求解提供了新的途径。
A particle swarm optimization (PSO) algorithm was developed for problems with constraint conditions. An adaptive approach was developed for double PSO swarms with the objective function and constraint condition considered separately.Two PSO swarms with different goals can evolve to global optimal solutions at the same time with adaptive weighted coefficients and adaptive adjustment strategies introduced into the two swarms.The logic assumes that all infeasible individuals are worse than the feasible individ...
出处
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2008年第S2期1751-1755,共5页
Journal of Tsinghua University(Science and Technology)
基金
国家自然科学基金资助项目(60574010)
辽宁省高校创新团队支持计划(2007T082)
辽宁省高校优秀人才支持计划(2006R31)
关键词
粒子群优化
双群体
自适应度
队形控制
particle swarm optimization
double swarms
adaptive fitness
formation control