資源描述：
《模擬退火算法在電機(jī)優(yōu)化設(shè)計(jì)中的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、微電機(jī)2000年第33卷第3期(總第114期)設(shè)計(jì)與研究·DESIGN”RESEARCH模擬退火算法在電機(jī)優(yōu)化設(shè)計(jì)中的應(yīng)用王偉,張健(北京航空航天大學(xué),北京100083)摘要:介紹了模擬退火算法的原理和基本概念,結(jié)合電機(jī)的優(yōu)化問(wèn)題,詳細(xì)論述了模似退火算法的具體實(shí)現(xiàn)和技術(shù)上的處理。與局部搜索法等相對(duì)照,討論了模擬退火算法的實(shí)驗(yàn)性能。關(guān)鍵詞:優(yōu)化設(shè)計(jì);模擬退火算法;電機(jī)中圖分類號(hào):TM302文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1001-6848(2000)03-0010-04TheApplicationofSimulatedAnnealingA
2、lgorithmintheMotorOptimalDesignWANGWei,ZHANGJian(BeijingUniversityofAeronauticsandAstronautics,Beijing100083,China)Abstract:Thispaperpresentstheprincipleandbasicconceptofsimulatedannealingalgorithm(SAA).Combinedwiththemotoroptimalproblems,itdicussestherealizationofth
3、ealgorithmandthetechnicaltreatmentstoSAA.LastitgivestheperformanceofSAAcompareswiththelocalsearchalgorithm.Keywords:optimaldesign;simulatedannealingalgorithm;motor逐漸降低溫度,粒子逐漸形成低能態(tài)的晶格。當(dāng)溫度1引言下降的速率足夠緩慢時(shí),物質(zhì)將形成最低能量的狀模擬退火算法是近年發(fā)展迅速的一種解大規(guī)模態(tài)?？疾鞂?shí)際的優(yōu)化問(wèn)題,也有類似的過(guò)程:為求優(yōu)優(yōu)化問(wèn)題的通用有效近似算法
4、。模擬退火算法建立化問(wèn)題的最優(yōu)解,把問(wèn)題的某一個(gè)解Xi=[x1,x1,在蒙特卡洛T(MonteCarlo)原理上,是一種具有啟發(fā)?,xn]看成物質(zhì)體系的微觀狀態(tài),而把優(yōu)化問(wèn)題式的隨機(jī)搜索算法。它描述簡(jiǎn)單,使用靈活,效率高,的目標(biāo)函數(shù)F(Xi)看成物質(zhì)體系在狀態(tài)Xi下的內(nèi)因此在許多領(lǐng)域應(yīng)用廣泛,如管理科學(xué)、計(jì)算機(jī)工程能。用一個(gè)控制參數(shù)T模擬溫度從足夠高的值緩慢等領(lǐng)域。將模擬退火算法引入到電機(jī)優(yōu)化設(shè)計(jì)中,取下降,用所謂Metropolis準(zhǔn)則模擬該體系在此T下得了較好的效果。的熱平衡狀態(tài),即對(duì)當(dāng)前狀態(tài)Xi作隨機(jī)擾動(dòng),在其本文介紹了模
5、擬退火算法的原理和基本概念,領(lǐng)域(Xi的周?chē)粋€(gè)隨T減小而減小的區(qū)域)內(nèi)隨結(jié)合電機(jī)的優(yōu)化問(wèn)題,詳細(xì)論述了模似退火算法的機(jī)產(chǎn)生新的狀態(tài)Xiq?？紤]它們的目標(biāo)函數(shù)值的大具體實(shí)現(xiàn)和技術(shù)上的處理,包括Metropolis準(zhǔn)則、小,以一定的概率p判斷是否接受新解Xiq,并用Xiq冷卻進(jìn)度表算法結(jié)構(gòu),最后分析了算法的實(shí)驗(yàn)性能。取代原解X[1]i。1F(Xq)F(X)1982年,Kirkpatrik等人將退火思想引入到優(yōu)T為控制參數(shù)。當(dāng)T降低至足夠低
6、,這樣的擾化領(lǐng)域,提出了一種解大規(guī)模組合優(yōu)化問(wèn)題的通用動(dòng)重復(fù)足夠多次后,算法趨向于最優(yōu)解。有效近似算法——模擬退火算法(SimulatedAn2由模擬退火算法的原理,得出其計(jì)算過(guò)程為:nealingAlgorithm,簡(jiǎn)稱SAA算法)。它是一種啟發(fā)(1)設(shè)定初始解和初始變量。任意選一個(gè)優(yōu)化問(wèn)式隨機(jī)搜索法。它源于對(duì)固體退火過(guò)程的模擬;采用T題的解X=[x1,x1,?,xn]作為初始當(dāng)前解。然后Metropolis接受準(zhǔn)則,并用一種稱為冷卻進(jìn)度表的設(shè)定初始控制參數(shù)T0。參數(shù)控制算法進(jìn)程,獲得問(wèn)題的最優(yōu)解或近似最優(yōu)(2)解的變換。在當(dāng)
7、前解的鄰域內(nèi)產(chǎn)生新解的過(guò)解。程稱為解的變換。當(dāng)控制參數(shù)為T(mén)時(shí),設(shè)當(dāng)前解:SAA算法源于物理學(xué)中固體物質(zhì)的退火過(guò)程TX=[x1,x2,?,xn](2)與一般優(yōu)化問(wèn)題的相似性。固體物質(zhì)從高溫熔化態(tài)在鄰域內(nèi)產(chǎn)生新解:TXq=[x1+$x1,x2+$x2,?,xn+$xn](3)收稿日期:1999-09-27式中$xi(i=1,?,n)是每一變量xi發(fā)生的變—10—模擬退火算法在電機(jī)優(yōu)化設(shè)計(jì)中的應(yīng)用王偉張健化量,它是一個(gè)隨T減小而減小的量(可以取負(fù)值)。(3)Metropolis準(zhǔn)則的應(yīng)用。每當(dāng)產(chǎn)生一個(gè)新解Xq后,應(yīng)用Metropoli
8、s準(zhǔn)則進(jìn)行判斷。分別求X和Xq的目標(biāo)函數(shù)值F(X)和F(Xq),如果新解性能更優(yōu),即圖1鄰域越界F(Xq)
