一种改进的蚁群算法及其在电机优化设计中的应用研究

摘要

本文对改进的蚁群算法及其在电机优化设计中的应用进行了研究。电机在国民经济各行业和人们日常生活中有着广泛应用。随着人们对电机产品的性能要求不断提高，计算机辅助设计优化技术不断被用在电机设计中。电机优化设计已成为电机研究领域的一个热点。蚁群算法(ACO)是由意大利学者Dorigo于20世纪90年代提出一种现代启发式算法。算法具有较强的鲁棒性、优良的分布式计算机制、易于与其他算法结合等优点。经过数十年发展，目前蚁群算法已经渗透到多个应用领域：不但能解决一维的静态优化问题，也能解决多维的动态优化问题；不但能解决离散问题，而且在连续问题也有不少应用。基本蚁群算法本质上是离散的，为了将其适用于连续域的优化问题，需要对基本蚁群算法作出一些改进策略。在基本蚁群算法中，蚂蚁从当前城市转移到另一个城市时，每一个可到达的城市都有一个转移概率，根据这些转移概率可以制成蚂蚁转移的离散概率分布图，算法根据这个概率分布指导蚂蚁寻优。当可到达的城市数目增加到无穷多个时，蚂蚁的离散的转移概率分布就成了连续的概率分布。受此启发，蚂蚁在连续的空间中寻优时，空间中的任何一点都是蚂蚁可能到达的城市。因此可以在连续的定义域空间中制成一个蚂蚁的连续的转移概率分布，以这个概率分布指导蚁群的寻优，寻优过程中动态地更新这个分布，以此形成正反馈机制，最终使得蚁群找到最优解。这一改进策略一方面可以不丢失最优解，另一方面保持了蚁群算法的基本框架。电机优化设计中会出现很多自变量的约束，在处理约束条件时，使用了惩罚函数法并加入了一种自适应惩罚因子的自适应策略，避免了惩罚因子过大或过小给算法带来的缺陷。实验表明，将这些策略应用到电机优化设计中，能表现出较为理想的性能。

目录

文摘

英文文摘

第1章 绪论

1.1 选题背景

1.2 研究现状

1.3 论文主要工作和组织结构

第2章 基本蚁群算法

2.1 基本蚁群算法的原理

2.2 基本蚁群算法的数学模型

2.3 基本蚁群算法的实现步骤

2.4 基本蚁群算法的改进

2.5 本章小结

第3章 改进的连续域蚁群算法

3.1 连续域蚁群算法概述

3.2 改进的基本思想

3.3 算法的关键因素

3.4 算法的执行过程

3.5 本章小结

第4章 约束优化方法

4.1 经典惩罚函数法

4.2 自适应惩罚函数法

4.3 连续域蚁群算法与自适应罚函数的结合

4.4 实验结果

4.5 本章小结

第5章 算法在电机优化设计系统上的实现

5.1 电机优化设计系统

5.2 电机优化设计步骤

5.3 电机优化设计的实现

5.4 本章小结

第6章 总结与展望

参考文献

致谢