动态多种群粒子群优化算法在管道泵能耗计算中的应用

 动态多种群粒子群(DMS-PSO)优化算法是一种基于局部版本的粒子群优化算法，局部粒子群优化算法的从邻域而不是从全局最好中寻找最好的解，因此种群的收敛速度较慢并且不容易陷入局部最优。

动态多种群PSO算法使用了一种新的邻域拓扑结构，肯富来水泵厂总结了这种新的邻域拓扑结构包括了两个重要特点：

1、种群数目少

相比较于其他的需要大种群的进化算法，粒子群优化算法需要相对较小的种群。特别是对于简单的问题，有3到5个粒子的种群就可以得到满意的结果。具有小邻域的粒子群优化算法在复杂问题上就能产生好的结果。具有小邻域的粒子群优化算法在复杂问题上可能会产生好的结果而具有大邻域的粒子群优化算法再简单问题上将会产生好的结果。因此，把小邻域用在新的粒子群优化算法中。为了减小种群的收敛速度和增大离散度，在DMS-PSO中把群体分成小种群。每一个小种群用它自身的成员在搜索范围内寻找好的区域。

2、自由重组策略

小规模的种群是用自身最好的历史信息进行搜索的，由于粒子群优化算法容易收敛的特性使得它们容易陷入局部最优。在这种情况下，如果保持邻域结构不改变，将会是协同粒子群优化算法并行操作的小规模种群搜索。肯富来水泵厂为了避免这种情况，提出了自由重组策略。每隔R代，种群自由重组并且用新的小种群结构开始搜寻。R是重组周期。用这种方法使得每个小种群之间进行信息交换同时也增加了种群的离散度。相比较于传统邻域结构，新的种群结构具有更大的自由度。不难发现其在复杂多峰问题上具有较好的特性。组群重组过程如图1。

在动态多种群粒子群优化算法中，用每个小种群含有三个粒子的三个小种群说明重组策略。首先，9个粒子被随机平分成三个小种群。然后这三个小种群用自己的粒子去寻找好的解。在此期间，他们可能会收敛到附近的局部最优。然后整个种群重组成新的小种群开始搜寻。这种过程一直继续直到满足终止条件。用自由重组策略，组合不同子种群的粒子扩大了每一个小种群的搜索范围重并且小种群发现更好的解可能行加大。

用于动态多种群粒子群优化算法的邻域拓扑结构是不同于现存的拓扑结构的。一方面，不像一些固定的拓扑结构，它的邻域结构是周期性变化的。另一方面，不像中用到的动态邻域和中基于粒子群优化算法的适应度距离比值。新的结构增加了搜索的自由度并且避免了粒子陷入局部最优。

在这里，DMS-PSO算法也是把中央空调系统当作单目标问题来解决，在设置参数时，和基本PSO算法差不多，设定负荷率为30%，迭代次数同为6600次，最大评价次数为20000，不同的是把粒子分为十组，每组粒子个数为三个，总共三十个粒子，搜索时进行动态的分组。肯富来管道泵参数的变化范围和适应度函数基本也一样，在这里不必赘述。

如想了解更多关于广东省佛山水泵厂有限公司的信息，可关注网站：http://www.kflpump.com  联系电话：0757-26615071  李先生

 

联系电话：0757-26615071 / 0757-26615070    联系手机：13827265823 / 13825759688

联系人：李先生                            联系QQ：2858083868/2656086190

联系地址：广东省佛山市河滨路14号