基于改进粒子群优化的算法

第１３卷第３期　

２０１４年３月　软件导刊　

Ｓｏｆｔｗａｒｅ　Ｇｕｉｄｅ　Ｖｏ１．１３Ｎｏ．３　

Ｍａｒ．２Ｏ１４　

基于边界处理改进的局部信息粒子群优化算法　

刘宇航　

（中南民族大学计算机科学学院，湖北武汉４３００７４）　

摘　要：具有代表性的一种局部信息粒子群优化模型大幅度提高了解决多模优化问题的能力，但该类算法存在难以　

搜索到位于边界附近且跨度较小区域优化解的问题。提出了一种改进的粒子群优化算法，以增强其处理多模优化问　

题的能力。在算法迭代过程中，利用边界处理方法，让超出边界的粒子修复后以较大概率落在边界附近，从而加强对　

边界附近且跨度较小区域的搜索。与原算法实验对比表明，改进后的算法鲁棒性更强。　

关键词：多模函数；粒子群优化；边界处理　

中图分类号：ＴＰ３０１．６　文献标识码：Ａ　文章编号：１６７２—７８００（２Ｏ１４）００３—００６２—０３　

０　引言　

研究表明，ＰＳＯ算法在解决复杂优化问题上展现出　

高效、鲁棒的能力　］，然而仅使用标准ＰＳＯ算法依然不能　

较好解决多模优化问题中需要同时保留多个优化解的问　

题。　

小生境　技术采用局部竞争策略，能较好地同时保留　

多个优化解，因此许多学者把小生境技术与粒子群优化算　

法结合，提出了各种求解多模优化问题的粒子群优化算　

法。但是，基于小生境技术的粒子群优化算法存在难以准　

确预估小生境参数大小的缺陷。　

最近被提出的ＬＩＰＳ（Ｌｏｃａｌｌｙ　Ｉｎｆｏｒｍｅｄ　Ｐａｒｔｉｃｌｅ　

Ｓｗａｒｍ）算法　避免了小生境参数的使用，而是利用距离　

（基于每个粒子当前最好位置的欧几里德距离度量）最近　

的若干邻居个体来引导粒子搜索，从而避免了小生境参数　

带来的弊端。另外，ＬＩＰＳ算法采用了一种加强的局部搜　

索算子，使得所求解精确度更高，因此ＬＩＰＳ算法迅速受到　

了业界关注　］。然而我们发现，随机初始化粒子群导致　

了跨度较小区域中粒子数较少，在基于最近距离选择邻居　

的情况下，跨度较小区域中的粒子可能选择相连区域的粒　

DCWTechnology Analysis技术分析

75数字通信世界2024.03随着近年来科技的不断进步，工业和医疗对科技的要求也越来越高。在20世纪90年代Podlubny提出，将传统PID控制器引入微分阶次μ和积分阶次λ，增加了FOPID控制器的控制范围[1-2]，控制精度大大提高，在被控对象的控制过程中也可以更加灵活地操作。相比于传统PID控制器，FOPID控制器增加了两个参数，在参数整定方面，FOPID控制器变得更加复杂。传统控制中采用整数阶PID控制器是因为缺少求解分数阶微分方程的数学工具，FOPID控制器虽然可以解决许多复杂难题，但是参数整定的问题如果不能得到有效解决依然不能得到广泛推广，于是参数整定的问题成为分数阶PID控制的研究热点。相比于常见的频域幅值裕量法和主导极点法，采用优化方法可以缩减很多工作量。优化方法最重要的一环就是获得优化参数，在控制系统的控制过程中正是借用这些参数提升系统性能的，利用粒子群（Particle Swarm Optimization，PSO）优化算法是当下获取参数运用比较广泛的新型算法。1 分数阶微积分及分数阶PID控制器1.1 分数阶微积分整数阶微积分通过延伸的方式推出分数阶微积分，只要不是整数阶次的微积分就可以被定义成分数阶微积分。若想实现多种阶次的微积分也需要依靠分数阶微积分，分数阶微积分的算子能在整数阶微积分算子的基础上拓展得到，表达式如下： （1）式中，为分数阶微积分算子；下限中积分或微分用a表示；上限中积分或微分用t表示；阶次用表示。下面四个公式是分数阶微积分中使用最多的定义。基于改进粒子群优化算法的分数阶PID控制器李小松，孙志敏（太原科技大学电子信息工程学院，山西 太原 030024）摘要：针对控制系统控制性能不稳定的问题，实践中可在控制系统里设定一种分数阶PID控制器。相比于整数阶PID控制器，分数阶PID控制器增加了λ和μ两个控制参数，这样可以让控制器在控制过程中拥有更好的性能，但同时也使得参数整定使用更加困难。为了更容易地求出控制器的参数，需要使用改良过的粒子群（PSO）优化方法来进行整定，将时间误差绝对值（ITAE）准则应用到控制器的控制过程当中，可以快捷地得出分数阶PID控制器的优化参数。通过对常规PID控制器与分数阶PID控制器的仿真结果进行对比，经过优化后的粒子群算法得到的参数在运用到控制系统中时会得到的更好的效果，说明了优化后的分数阶PID控制器的控制效果要优于整数阶PID控制器的控制效果。关键词：分数阶PID；粒子群算法；参数整定doi：10.3969/J.ISSN.1672-7274.2024.03.023中图分类号：TP 273 文献标志码：A 文章编码：1672-7274（2024）03-0075-03Fractional Order PID Controller Based on Improved Particle Swarm Optimization AlgorithmLI Xiaosong, SUN Zhimin(School of Electronic Information Engineering, Taiyuan University of Science and Technology, Taiyuan 030024, China)Abstract: In practice, a fractional order PID controller can be set in the control system to address the issue of unstable control performance. Compared to integer order PID controllers, fractional order PID controllers add λ and μ Two control parameters can improve the performance of the controller during the control process, but it also makes parameter tuning more difficult to use. In order to more easily determine the parameters of the controller, an improved Particle Swarm Optimization (PSO) method needs to be used for tuning. Applying the Absolute Time Error (ITAE) criterion to the control process of the controller can quickly obtain the optimization parameters of the fractional order PID controller. By comparing the simulation results of conventional PID controllers and fractional order PID controllers, the optimized particle swarm optimization algorithm obtains better parameters when applied to the control system, indicating that the control effect of the optimized fractional order PID controller is better than that of the integer order PID controller.Key words: fractional order PID; particle swarm optimization algorithm; parameter tuningIGITCW技术 分析Technology Analysis

过程控制　化工自动化及仪表，２０１０，３７（１０）：２２～２５　

Ｃｏｎｔｒｏｌ　ａｎｄ　Ｉｎｓｔｒｕｍｅｎｔｓ　ｉｎ　Ｃｈｅｍｉｃａｌ　Ｉｎｄｕｓｔｒｙ　

基于改进粒子群算法的柴油调合配方优化　

宁建华，赵英凯，李丽娟　

（南京工业大学自动化与电气工程学院，南京２１０００９）　

摘要：为了解决扬子石化炼油厂柴油调合质量过剩的问题，介绍了炼油厂柴油调舍的组分资源及调合现　

状，采用改进粒子群算法，在多智能体仿真平台——Ｒｅｐａｓｔ上建模仿真，对炼油厂现有组分油资源进行合理的调　

配，相对于传统的现场人员经验调合，线性规划方法调合等方式有效地解决了现有柴油调合配方调出的柴油硫含　

量、十六烷值、闪点等质量指标过剩的问题，对调合人员起到了一定的辅导作用，有效地降低了现有柴油调合的经　

济成本。　

关键词：粒子群算法；柴油调合；组分油；硫含量；经济效益　

中图分类号：ＴＰ１８１　文献标识码：Ａ　文章编号：１０００・３９３２（２０１０）１０４３０２２－０４　

１　引　言　

随着原油价格的持续上涨，作为不可再生资源　

的石油的使用率就显得尤为重要了，如何更加有效　

地使用现有的原油资源提炼出更多的产品摆在各石　

化公司的面前。柴油调合是各炼油厂生产的一个主　

要产品，其过程就是将各种柴油组分油以一定的比　

例混合，得到符合规格标准的各种柴油产品。目前　

各炼油厂都是使用现场工程人员的经验进行配方调　

合，各类参考文献也对这个问题进行了积极的探索，　

文献［１］将非线性的方法使用到了油品调合过程　

中，取得了不错的效果。但是，油品调合　存在着组　

分油种类繁多，调合目标多样化，过程不可终止等限　

制条件，使得目前一些常规线性算法在应用过程中　

出现了计算量巨大、结果失真等问题，面对这些问　

题，使用多智能体技术，结合智能算法，可以较好地　

解决这些问题。柴油调合的最终目标就是为实现最　

优调合，降低返调率，同时又避免“产品质量过剩”　

造成不必要的经济损失，综合考虑成品油价格和组　

第４６卷第１期　２０１１年２月　西南交通大学学报　ＪＯＵＲＮＡＬ　ＯＦ　ＳＯＵＴＨＷＥＳＴ　ＪＩＡＯＴＯＮＧ　ＵＮＩＶＥＲＳＩＴＹ　Ｖｏ１．４６　Ｎｏ．１　Ｆｅｂ．２０１１　

文章编号：０２５８－２７２４（２０１１）０１－００７６－０８　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．０２５８－２７２４．２０１１．０１．０１２　

基于改进粒子群算法的工程项目综合优化　

王维博　，　冯全源　

（１．西华大学电气信息学院，四川成都６１０３９；２．西南交通大学信息科学与技术学院，四川成都６１００３１）　

摘要：为解决现有粒子群优化算法进化过程中“早熟”的问题，提出了一种改进的粒子群优化算法ＨＳＰＳＯ．算　法采用多子群分层策略，以提高收敛速度和优化精度．为求解工程项目的综合优化问题，建立了工期一成本一质量　

的数学优化模型和多目标优化模型．通过实例对标准粒子群优化算法（ＳＰＳＯ）和差分进化（ＤＥ）算法进行了比　较，并采用ＨＳＰＳＯ算法进行多目标优化．最后，用枚举法验证了模型的合理性和算法的有效性．与已有研究相　

比，ＨＳＰＳＯ算法能在种群规模较小（２０个粒子）的情况下，快速找到满意的解（平均迭代次数不超过２０次）．　关键词：粒子群优化算法；项目管理；多目标　中图分类号：０２９　文献标志码：Ａ　

Ｓｙｎｔｈｅｓｉｓ　Ｏｐｔｉｍｉｚａｔｉｏｎ　ｆｏｒ　Ｃｏｎｓｔｒｕｃｔｉｏｎ　Ｐｒｏｊｅｃｔ　Ｂａｓｅｄ　ｏｎ　

Ｍｏｄｉｆｉｅｄ　Ｐａｒｔｉｃｌｅ　Ｓｗａｒｍ　Ｏｐｔｉｍｉｚａｔｉｏｎ　Ａｌｇｏｒｉｔｈｍ　

ＷＡＮＧ　Ｗｅｉｂｏ　一，ＦＥＮＧ　Ｑｕａｎｙｕａｎ　（１．Ｓｃｈｏｏｌ　ｏｆ　Ｅｌｅｃｔｒｉｃａｌ　Ｉｎｆｏｒｍａｔｉｏｎ，Ｘｉｈｕａ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ　６１００３９，Ｃｈｉｎａ；２．Ｓｃｈｏｏｌ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ　ａｎｄ　

Ｔｅｃｈｎｏｌｏｇｙ，Ｓｏｕｔｈｗｅｓｔ　Ｊｉａｏｔｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ　６１０３１，Ｃｈｉｎａ）