粒子群算法的研究及其在船舶工程中的应用

论文摘要

鉴于科学研究和实际工程中许多问题的复杂性、约束性、非线性、多局部极值和建模困难等特点,寻找适用于各种不同需求的新型智能优化方法一直是许多学科的一个重要研究方向。群智能优化技术是模仿自然界群体生物行为特征而产生的一类新兴智能优化算法,该算法在没有集中控制且不提供全局模型的前提下,为求解复杂问题的最优解提供了基础。本文在研究群智能优化算法的模型之——粒子群算法的基本原理和研究现状的基础上,针对基本粒子群算法研究中存在的一些问题,提出了多种改进的粒子群算法,并研究这些改进算法在船舶工程问题中的应用策略。本文的研究目的是探索粒子群算法的改进形式,使之能够有效解决高维大值域多峰函数优化、复杂工业系统的优化控制与决策等理论和工程应用问题。主要研究工作包括以下几个方面:1.针对目前PSO算法参数选取方法(单因素试验法)的不足,提出一种通用的多因素的粒子群参数的选择方法。首先通过粒子群算法参数约束方法来限制参数范围,再利用数论和统计学中的均匀设计法,对算法参数进一步选定。这种试验优选方法,可以在考虑多参数相互耦合、相互制约的复杂条件下,快速给出一组较好的参数值。对参数的泛化能力进行了试验验证。对比分析测试结果表明,本文提出的参数选定方法速度快且优化效果好,对各种改进PSO算法的参数组合选择具有通用性。2.针对高维大值域多峰优化问题寻优困难的现状,提出了基于多种群的空间压缩PSO算法,克服了目前存在的算法在此类问题寻优中存在的缺陷。在PSO算法中引入不完全搜索策略,将搜索分为几个阶段,每一阶段依靠各种群中的最优势粒子来确定各种群下一次搜索的空间。通过对搜索空间的不断压缩,避免了大量无效搜索,提高了搜索的速度和质量。同时,该方法适合多台计算机协同工作,且不需要特殊的并行计算平台。测试表明:本文提出的空间压缩PSO算法可以有效地压缩搜索空间,显著提高搜索效率。3.由于随机算法种群产生的随机性,使得算法的搜索质量和速度也呈随机性,这使普通的随机算法难以满足某些无法多次优化、但又需要实时优化的工程需要。针对这一问题,提出了基于均匀设计法确定关键代次种群的PSO算法。利用均匀设计方法产生PSO算法的初始种群(或关键代次种群),使种群中的粒子在搜索空间分布更好地保持了均匀分散性。给出了4种种群的生成方案,通过测试和对比分析表明,基于值域分割的均匀设计种群生成法能使算法的搜索效果最好;基于均匀设计设定初始种群的算法可以在不丧失搜索质量和效果的前提下,能使算法具有更稳定的搜索效率和搜索质量,同时能有效减少粒子聚集和搜索早熟的随机性发生。4.将社会心理学的意识选择在“个人与团体”、“领导与服从”中的作用引入算法中,给出了一种具有选择意识异步PSO算法。使粒子跟随优势粒子不再盲从而是具有选择能力,并对算法的计算性能进行了对比分析与测试。测试表明,这种结合了社会心理学思想的异步模式PSO算法,可以在保持异步模式收敛速度快于同步模式的优势基础上,进一步提高搜索的质量。5.针对目前船舶自动舵仍信赖PID舵的现状,设计了基于具有选择意识的异步PSO算法的新型实时参数优化。给出了解决该工程问题的步骤和方法和数值计算结果及分析。仿真结果表明:本文提出的PSO免疫自动舵控制策略使得系统鲁棒性得到提高,算法搜索的快速性得到了体现。6.针对目前舰艇消磁目标单一、消磁优化决策难的现状,将基于多种群的空间压缩PSO算法应用到舰船消磁优化决策中,很好地解决了舰船消磁中变量值域范围大、目标函数维数高的工程难题,并可以实现多种目标的优化决策。本文给出了解决该工程问题的方法、步骤和数值计算的结果及分析。本文提出的方法具有通过多阶段的不完全搜索来压缩调节量取值范围、通过多群体之间的独立性保证对压缩区域对最优解包围的概率、通过逐步压缩搜寻范围来减低搜索难度的特点,仿真结果表明,本文提出的方法可以加快消磁优化决策速度和质量,在船舶消磁线圈系统的优化调整工作中起到很好的效果。7.针对船舶电力系统网络重构问题,本文提出了新的离散编码公式,将实数编码的基于均匀设计产生关键代次种群的PSO算法运用到了属于离散优化的船舶电力系统网络重构问题中。不但充分利用了基于均匀设计产生关键代次种群的PSO算法搜索稳定性高的的特点,还形成了一种新的离散粒子群算法。在工程实现过程中,还给出了利用故障提取信息对粒子的取值范围进行压缩的方法和优启发式规则。测试表明:提出的PSO改进算法在决策生成速度上略优于其他方法,搜索质量也和其他方法相当,在最优解的稳定性上明显优于其它算法,对船舶电力系统的网络重构问题有很好的实用性,具有较好的应用前景。最后总结了整个论文研究工作的成果,并展望了粒子群算法需要进一步研究的方向。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 最优化问题和优化算法
• 1.3 群智能算法
• 1.3.1 群智能算法概述
• 1.3.2 几种典型群智能算法
• 1.4 粒子群算法研究和发展综述
• 1.5 船舶工程若干问题研究和发展综述
• 1.5.1 船舶自动舵系统发展与研究现状
• 1.5.2 舰船消磁技术发展与研究现状
• 1.5.3 船舶电力系统网络重构发展与研究现状
• 1.6 本文主要工作
• 1.7 本文主要内容
• 第2章 粒子群算法及其收敛性分析
• 2.1 引言
• 2.2 粒子群优化算法起源
• 2.3 基本粒子群算法
• 2.3.1 算法原理
• 2.3.2 算法流程
• 2.3.3 全局和局部模型
• 2.3.4 同步和异步模型
• 2.4 几种经典改进算法
• 2.4.1 惯性权重粒子群算法
• 2.4.2 收缩因子粒子群算法
• 2.4.3 规范粒子群算法
• 2.4.4 离散二进制粒子群算法
• 2.5 粒子群算法拓扑结构
• 2.6 粒子群算法与其它算法比较
• 2.6.1 粒子群算法与遗传算法比较
• 2.6.2 粒子群算法与蚁群算法比较
• 2.7 粒子群算法收敛性分析
• 2.7.1 粒子群算法动力学模型描述
• 2.7.2 粒子群算法动力学离散系统理论分析
• 2.8 粒子群搜优能力与粒子运动轨迹关系
• 2.9 本章小结
• 第3章 粒子群算法参数选择
• 3.1 引言
• 3.2 粒子群算法参数分析
• 3.3 粒子群算法参数选择
• 3.3.1 理论设定算法参数法
• 3.3.2 均匀设计设定算法参数法
• 3.4 仿真测试分析
• 3.4.1 测试函数选取
• 3.4.2 标准PSO算法最佳参数域测试
• 3.4.3 均匀设计设定算法参数测试
• 3.5 本章小结
• 第4章 粒子群算法的改进
• 4.1 引言
• 4.2 基于参数选取经验改进粒子群算法
• 4.2.1 算法思想
• 4.2.2 算法实现
• 4.2.3 算法测试
• 4.3 基于空间压缩机制多种群粒子群算法
• 4.3.1 空间压缩
• 4.3.2 空间压缩与划分主要方法
• 4.3.3 基于空间压缩多种群粒子群算法实现
• 4.3.4 算法测试
• 4.4 均匀粒子群算法
• 4.4.1 算法提出背景
• 4.4.2 小种群规模算法实现与测试
• 4.4.3 大种群规模算法实现与测试
• 4.5 具有选择意识异步粒子群算法
• 4.5.1 算法基本思想
• 4.5.2 算法实现
• 4.5.3 算法测试
• 4.6 本章小结
• 第5章 改进粒子群算法在船舶工程中应用研究
• 5.1 引言
• 5.2 意识选择异步粒子群算法在船舶自动舵中应用
• 5.2.1 引言
• 5.2.2 免疫反馈控制机理
• 5.2.3 PID型免疫反馈控制器设计
• 5.2.4 基于改进粒子群算法的免疫PID控制器参数优化
• 5.2.5 优化算法性能比较
• 5.3 空间压缩多种群粒子群算法在船舶消磁中应用
• 5.3.1 舰船消磁基本概述
• 5.3.2 舰船消磁系统优化问题数学描述
• 5.3.3 优化结果和数据对比
• 5.4 均匀设计粒子群算法在船舶电力系统重构中应用
• 5.4.1 研究船舶电力系统重构意义
• 5.4.2 船舶电力系统网络重构研究现状
• 5.4.3 船舶电力系统网络重构实施过程
• 5.4.4 基于BUD-PSO算法的SPS网络重构实现
• 5.5 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的论文和取得的科研成果
• 致谢