資源描述：
《果蠅優(yōu)化算法和粒子群優(yōu)化算法的應用對比.pdf》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、噩麥旦日經(jīng)驗童日Doi：l0．39694。issn．1671-1041．2013．04．029果蠅優(yōu)化算法和粒子群優(yōu)化算法的應用對比高東磊’，劉友寬，蘇杰。，李曉嬌’(1．華北電力大學云南電網(wǎng)公司研究生工作站，昆明650217；2．云南電網(wǎng)電力研究院，昆明6502172；3．華北電力大學，保定071003)摘要：參數(shù)優(yōu)化一直是控制系統(tǒng)重要的一個環(huán)節(jié)，現(xiàn)在常用的優(yōu)化算法有蟻群算法、遺傳算法、粒子群優(yōu)化算法。然而現(xiàn)在這些算法普遍存在魯棒性差、陷入局部最優(yōu)等缺點。果蠅優(yōu)化算法作為一種較新的群體優(yōu)化算法與粒子群有頗多的相似之處。本文以水輪機組調速系統(tǒng)PI控制參數(shù)為優(yōu)
2、化對象，分別以粒子群優(yōu)化算法和果蠅優(yōu)化算法進行參數(shù)優(yōu)化，通過分析二者的優(yōu)化過程與結果，對比了兩種優(yōu)化算法的優(yōu)缺點，證明了果蠅優(yōu)化算法的可行性。關鍵詞：參數(shù)優(yōu)化；粒子群；果蠅優(yōu)化；水輪機組中圖分類號：TP23文獻標志碼：BThecontrastofdrosophilaoptimizationandparticleswarnloptimization'sapplicationGAODong—lei，LIUYou—kuan2,SuJie3,LIXiao-jiao(1．GraduateWorkstationofNorthChinaElectricPowerUnive
3、rsity&YunnanPowerGrid，Kunming650217，China；2．YunnanPowerGridElectricPowerResearchInstitute，Kunming650217，China；．3．NorthChinaElectricPowerUniversity，Baoding071003，China．)Abstract：TParameteroptimizationhasbeenanimportantaspectofthecontroIsystem．optimizationalgorithmincludsthecompositi
4、onoftheantcolonyalgorithm，geneticalgorithm，particleswarmoptimizationalgorithm．Now，however，theprevalenceofthesealgorithmsrobustnessIocaIoptimumdrawback．Thispaperpresentsalatestoptimizationalgorithm—Drosophilaoptimizationalgorithm．Hydraulicturbinespeedcontrolsystemisoptimizated，bypar
5、ticleswarmoptimizationandtheDrosophilaoptimizationalgorithmparameteroptimization．Finally，insimulinkdynamicsimulation，comparingtheresultsoftheoptimizations．Keywords：Parameteroptimization，Particleswarm，Drosophilaoptimization，turbinegroup．0引言和優(yōu)化效果，表明果蠅優(yōu)化算法在優(yōu)化工作中的實用性和隨著經(jīng)濟的不斷發(fā)展和科學技術的不斷進
6、步，電網(wǎng)的可行性。穩(wěn)定運行也變得也越來越重要。作為保證電網(wǎng)運行穩(wěn)定的1粒子群優(yōu)化算法重要環(huán)節(jié)，水電機組控制系統(tǒng)的參數(shù)設置歷來是一個是非作為目前為止比較成熟而且已經(jīng)被廣泛應用的優(yōu)化算重要的工作?，F(xiàn)在的控制系統(tǒng)常用的是PID控制器，然而控法，粒子群算法是一種基于群體的演化算法，，是基于鳥群制器參數(shù)的好壞則直接關系到整個機組的運行穩(wěn)定性，甚捕食行為演化出的一種尋優(yōu)的算法。該算法的基本思想為至關系到電網(wǎng)的安全運行。為了實現(xiàn)控制品質的優(yōu)化，常一群鳥要搜尋到位置不知的食物，通過不斷搜尋與改進找用一些優(yōu)化算法對控制器參數(shù)進行相應指標的優(yōu)化。目前出最佳的覓食策略。普遍存在參
7、數(shù)優(yōu)化算法包括蟻群優(yōu)化算法、遺傳優(yōu)化算法該算法的重要部分是迭代部分，每一次迭代每一和粒子群優(yōu)化算法等。其中，前兩種算法都存在缺陷，收個粒子要跟蹤兩個極值，分別為個體極值與群體最優(yōu)斂速度比較慢，而且很容易陷入局部最優(yōu)的結果，最終的解，找到極值后根據(jù)以下公式進行速度位置的更新：結果是得不到最佳的參數(shù)值，而粒子群作為一種新型的群V=WV+c1rand()(pBest—Present)+c2*rand0*(gBest—Present)體智能啟發(fā)的整體搜索尋優(yōu)的優(yōu)化算法現(xiàn)在已經(jīng)被廣泛應其中，V為粒子的速度，Presnt是粒子的當前位置，用，但是也存在陷入局部最優(yōu)的缺陷
8、。Pbest是個體極值，gBest是群體最優(yōu)值，c1
