基于微分进化的混合生物地理学约束优化算法

２０１５年７月第３６卷第７期计算机工程与设计ＣＯＭＰＵＴＥＲＥＮＧＩＮＥＥＲＩＮＧＡＮＤＤＥＳＩＧＮＪｕｌｙ２０１５Ｖｏｌ.３６Ｎｏ.７

徐以坤，余洋，米增强，赵彤

（华北电力大学新能源电力系统国家重点实验室，河北保定０７１００３）

摘要：针对生物地理学优化算法（ｂｉｏｇｅｏｇｒａｐｈｙｂａｓｅｄｏｐｔｉｍｉｚａｔｉｏｎ，ＢＢＯ）容易陷入局部最优解的缺点，提出一种基于微分进化（ｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎ，ＤＥ）改进ＢＢＯ算法的混合生物地理学（ＢＢＯ‐ＤＥ）优化算法。通过有机结合ＢＢＯ算法的利用能力和ＤＥ算法的搜索能力，实现利用能力与搜索能力的平衡；引入基于可行性的约束处理机制，解决传统ＢＢＯ算法无法求解约束优化的问题。通过选定的８个标准测试函数对改进算法进行仿真测试，测试结果验证了改进算法的可行性和有效性，与基本ＢＢＯ和ＤＥ算法相比，其在最终解的质量和收敛速度上具有明显优势。

关键词：生物地理学优化；微分进化；约束优化；混合算法；全局优化

中图法分类号：ＴＰ１８文献标识号：Ａ文章编号：１０００‐７０２４（２０１５）０７‐１９２７‐０５

ｄｏｉ：１０.１６２０８／ｊ.ｉｓｓｎ１０００‐７０２４.２０１５.０７.０４８

收稿日期：２０１４‐０７‐１７；修订日期：２０１４‐０９‐１８基金项目：高等学校博士学科点专项科研基金优先发展领域基金项目（２０１２００３６１３０００１）；中央高校基本科研业务费基金项目（２０１４ＭＳ９３）；新能源电力系统国家重点实验室自主研究课题基金项目（２０１４１４）

作者简介：徐以坤（１９９１），男，山东临沂人，硕士研究生，研究方向为电力系统储能及优化算法；余洋（１９８２），男，河北保定人，博士研究生，讲师，研究方向为电力系统储能、新能源发电与并网技术；米增强（１９６０），男，河北保定人，博士，教授，博士生导师，研究方向为新能源发电与并网技术、电力系统储能；赵彤（１９９０），男，河北石家庄人，硕士研究生，研究方向为电力系统储能。Ｅ‐ｍａｉｌ：ｄｉｏｎｅ＿ｘｕ＠１６３.ｃｏｍＨｙｂｒｉｄｂｉｏｇｅｏｇｒａｐｈｙｃｏｎｓｔｒａｉｎｅｄｏｐｔｉｍｉｚａｔｉｏｎｂａｓｅｄｏｎｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎ

ＸＵＹｉ‐ｋｕｎ，ＹＵＹａｎｇ，ＭＩＺｅｎｇ‐ｑｉａｎｇ，ＺＨＡＯＴｏｎｇ（ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｌｔｅｒｎａｔｅＥｌｅｃｔｒｉｃａｌＰｏｗｅｒＳｙｓｔｅｍｗｉｔｈＲｅｎｅｗａｂｌｅＥｎｅｒｇｙＳｏｕｒｃｅｓ，

ＮｏｒｔｈＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＵｎｉｖｅｒｓｉｔｙ，Ｂａｏｄｉｎｇ０７１００３，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｂａｓｉｃｂｉｏｇｅｏｇｒａｐｈｙｂａｓｅｄｏｐｔｉｍｉｚａｔｉｏｎ（ＢＢＯ）ｃａｎｂｅｅａｓｉｌｙｔｒａｐｐｅｄｉｎｔｏｌｏｃａｌｏｐｔｉｍａ．Ｔｏｍｏｄｉｆｙｔｈｅｄｅｆｅｃｔ，ａｈｙｂｒｉｄｂｉｏｇｅｏｇｒａｐｈｙｂａｓｅｄｏｐｔｉｍｉｚａｔｉｏｎｗｉｔｈｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎ（ＢＢＯ‐ＤＥ）ｗａｓｐｒｏｐｏｓｅｄ，ｗｈｉｃｈｃｏｍｂｉｎｅｄｔｈｅｅｘｐｌｏｉｔａｔｉｏｎａｂｉｌｉｔｙｏｆＢＢＯａｎｄｔｈｅｅｘｐｌｏｒａｔｉｏｎａｂｉｌｉｔｙｏｆｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎ（ＤＥ）ｒｅａｓｏｎａｂｌｙｔｏｂａｌａｎｃｅｔｈｅｅｘｐｌｏｉｔａｔｉｏｎａｂｉｌｉｔｙａｎｄｅｘｐｌｏｒａｔｉｏｎａｂｉｌｉ‐ｔｙ．Ｉｎａｄｄｉｔｉｏｎ，ｆｅａｓｉｂｉｌｉｔｙ‐ｂａｓｅｄｃｏｎｓｔｒａｉｎｔｈａｎｄｌｉｎｇｍｅｃｈａｎｉｓｍｗａｓｉｎｔｒｏｄｕｃｅｄｉｎｔｏＢＢＯ‐ＤＥ，ｗｈｉｃｈｅｘｔｅｎｄｅｄｔｒａｄｉｔｉｏｎａｌＢＢＯｔｏｓｏｌｖｅｃｏｎｓｔｒａｉｎｅｄｏｐｔｉｍｉｚａｔｉｏｎｐｒｏｂｌｅｍ．ＴｈｅｐｒｏｐｏｓｅｄＢＢＯ‐ＤＥｗａｓｐｅｒｆｏｒｍｅｄｏｎｅｉｇｈｔｓｅｌｅｃｔｅｄｂｅｎｃｈｍａｒｋｆｕｎｃｔｉｏｎｓ．Ｓｉｍｕｌａ‐ｔｉｏｎｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈａｔｉｔｉｓａｆｅａｓｉｂｌｅａｎｄｅｆｆｅｃｔｉｖｅｍｅｔｈｏｄｆｏｒｃｏｎｓｔｒａｉｎｅｄｏｐｔｉｍｉｚａｔｉｏｎ．ＷｉｔｈｒｅｓｐｅｃｔｔｏｂａｓｉｃＢＢＯａｎｄＤＥ，ＢＢＯ‐ＤＥｈａｓｄｉｓｔｉｎｃｔｓｕｐｅｒｉｏｒｉｔｙｉｎｔｅｒｍｓｏｆｔｈｅｑｕａｌｉｔｙｏｆｆｉｎａｌｓｏｌｕｔｉｏｎｓａｎｄｔｈｅｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄ．

Ｋｅｙｗｏｒｄｓ：ＢＢＯ；ＤＥ；ｃｏｎｓｔｒａｉｎｅｄｏｐｔｉｍｉｚａｔｉｏｎ；ｈｙｂｒｉｄａｌｇｏｒｉｔｈｍ；ｇｌｏｂａｌｏｐｔｉｍｉｚａｔｉｏｎ０引言

ＢＢＯ算法［１］模拟生物种群在栖息地间的迁徙机制，来实现种群信息的共享，从而达到寻优的目的。ＢＢＯ算法结

构简单，控制参数少，收敛速度快，具有出色的信息利用

能力，已被成功地应用于多个工程领域［２‐４］。

然而，由于搜索能力和利用能力没有得到有效的平衡，

ＢＢＯ算法容易陷入局部最优解而发生“早熟”现象。为了提升ＢＢＯ算法的全局优化能力，加快收敛速度，相关的研

究人员提出了许多改进方案［５‐７］。这些改进方案均在一定程度上平衡了ＢＢＯ的搜索能力和利用能力，提升了ＢＢＯ的全局优化能力，但已有的改进生物地理学优化算法大多应用于无约束优化，用于解决约束优化的改进ＢＢＯ算法很少。本文研究工作的创新点主要体现在以下两方面：第一，融合ＢＢＯ的利用能力和ＤＥ的搜索能力，提出了一种混合生物地理学优化算法ＢＢＯ‐ＤＥ；第二，在提出的改进算法中引入了基于可行性的约束处理机制，将ＢＢＯ算法推广至约束优化领域。