摘 要: | 模拟植物生长算法(PGSA)是以植物向光性机理(形态素浓度理论)为启发准则的智能优化新算法,具有高效的搜索能力。粒子群算法(PSO)是一种来源于鸟群觅食的启发式优化算法,具有算法规则简单、高鲁棒性等特点。本文以模拟植物生长算法为基础,对其基本原理进行分析,指出了不同初始生长点的选取会影响该优化算法能否收敛于全局最优解。为此,提出了新的混合策略(PGSA-PSO混合智能优化算法):先基于粒子群算法的高鲁棒性初选优秀的初始生长点,再基于模拟植物生长算法的高效搜索能力以得到最终的全局最优解。通过算例验证了该混合策略可有效提高模拟植物生长算法的全局搜索能力。最后,利用该混合策略对典型的弦支穹顶结构预应力优化问题进行分析,结果表明此混合智能优化算法的优化效果显著,在结构优化问题中具有较好的可行性和有效性。
|