基于自适应排斥因子的改进粒子群算法

基本粒子群算法在求解复杂的多峰问题时,由于存在较多的局部最优解,算法极易出现早熟现象。为克服这一缺陷,采用蒙特卡洛(Monte Carlo)方法模拟了种群飞行轨迹,得出种群极易陷入局部最优解的原因;在此基础上,通过定义粒子间距离、粒子间最大距离和粒子间平均距离,提出一种自适应控制粒子自身最优位置和种群最优位置间距离的排斥因子(ARF),来提升种群跳出局部最优的能力。为测试提出策略的有效性,在60次独立运行时,基于ARF的改进PSO算法(ARFPSO)在Rosenbrock,Ackley和Griewank函数上所获得的最好值分别为53.82,2.1203和5.32E-004,都优于其他两种对比算法,这表明ARFPSO能有效地跳出局部最优解;算法的复杂度分析表明引入的策略没有增加计算复杂度。

应用改进粒子群算法优化管壳式换热网络总成本

壳式换热网络的优化设计一直是众多学者关注的难题。从热交换总面积出发,对管壳式换热网络各项参数进行建模,得出设计的总成本优化函数。采用基于自适应排斥因子的改进粒子群算法(BARFPSO)进行优化举例。结果表明:BARFPSO能有效地跳出局部最优解,具有计算精度高、有效减小计算复杂度的特点,并能得出最佳的管壳式换热网络各项参数值。优化结果中,换热网络总成本减少了4.3%和1.0%,优化效果明显。