期刊检索

  • 2024年第56卷
  • 2023年第55卷
  • 2022年第54卷
  • 2021年第53卷
  • 2020年第52卷
  • 2019年第51卷
  • 2018年第50卷
  • 2017年第49卷
  • 2016年第48卷
  • 2015年第47卷
  • 2014年第46卷
  • 2013年第45卷
  • 2012年第44卷
  • 2011年第43卷
  • 2010年第42卷
  • 第1期
  • 第2期

主管单位 中华人民共和国
工业和信息化部
主办单位 哈尔滨工业大学 主编 李隆球 国际刊号ISSN 0367-6234 国内刊号CN 23-1235/T

期刊网站二维码
微信公众号二维码
引用本文:刘志君,高亚奎,章卫国,候美.混合人工鱼群算法在约束非线性优化中的应用[J].哈尔滨工业大学学报,2014,46(9):55.DOI:10.11918/j.issn.0367-6234.2014.09.010
LIU Zhijun,GAO Yakui,ZHANG Weiguo,HOU Mei.The application of hybrid fish swarm algorithm for constrained nonlinear optimization[J].Journal of Harbin Institute of Technology,2014,46(9):55.DOI:10.11918/j.issn.0367-6234.2014.09.010
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  下载PDF阅读器  关闭
过刊浏览    高级检索
本文已被:浏览 1411次   下载 1079 本文二维码信息
码上扫一扫!
分享到: 微信 更多
混合人工鱼群算法在约束非线性优化中的应用
刘志君1, 高亚奎2, 章卫国1, 候美3
(1. 西北工业大学 自动化学院,710129 西安; 2.中国航空工业第一集团第一飞机研究院, 710000 西安; 3. 日照市工业学校, 262300 山东 日照)
摘要:
为了解决具有约束的非线性优化问题,本文将增广拉格朗日乘子法和鱼群算法相结合用于非线性问题的全局优化,即用人工鱼群算法寻找增广拉格朗日函数的近似最优解,并将该近似解用于拉格朗日乘子和惩罚因子等参数的更新.同时,简要分析了人工鱼群算法的随机收敛性.仿真结果证明,与自适应惩罚遗传算法相比,该混合算法在解决约束优化问题中具有优越性和有效性.
关键词:  增广拉格朗日乘子法  增广拉格朗日函数  鱼群算法  随机收敛性
DOI:10.11918/j.issn.0367-6234.2014.09.010
分类号:TP301.6
基金项目:国家重点基础研究发展规划资助项目(20126131890302);航空科学基金资助项目(20125853035).
The application of hybrid fish swarm algorithm for constrained nonlinear optimization
LIU Zhijun1, GAO Yakui2, ZHANG Weiguo1, HOU Mei3
(1. School of Automation, Northwestern Polytechnical University, 710129 Xi’an, China; 2. The First Aircraft Institute of China Aviation Industry Corporation I, 710000 Xi’an, China; 3.Rizhao Industry School, 262300 Shandong Rizhao,China)
Abstract:
A hybrid algorithm which combines the augmented Lagrangian multiplier method with the fish swarm algorithm is presented to solve the problem of constrained nonlinear optimization. The method approximately solves the optimal solution of the augmented Lagrangian function with the fish swarm algorithm, and the solution is applied to update the Lagrangian multipliers and penalty parameters. Stochastic convergence of the artificial fish swarm is analyzed. Compared with an adaptive penalty method for genetic algorithms, simulation results verify the superiority and validity of the proposed hybrid algorithm.
Key words:  augmented Lagrangian multiplier method  augmented Lagrangian function  fish swarm algorithm  stochastic convergence

友情链接LINKS