改进粒子群优化算法在建筑能耗优化中的参数设置

摘要

粒子群及其改进算法是进行建筑能耗优化的重要方法,但是算法性能很大程度上取决于其参数设置.目前针对改进粒子群算法在建筑性能优化领域的最优参数设置的研究较少.本文旨在探讨两种常见的改进粒子群算法:差分粒子群(dPSO)算法和遗传粒子群(gPSO)算法在建筑能耗优化中的最优参数设置问题.在使用测试函数验证改进算法的有效性后,针对以能耗为目标的办公建筑形体优化问题,使用15组常见的参数组合进行重复实验.建立以稳定性、准确性和收敛时间3个指标为目标的算法性能多目标评价模型,计算pareto解集,得到性能表现优异的算法参数组合,即进行建筑能耗优化时,当对计算速度或计算准确度有较高要求时,建议采用参数设置为c_1=c_2=1.5,p_m=0.5,p_c=0.9或c_1=c_2=2.0,p_m=0.1,p_c=0.9的gPSO算法;当对优化过程没有偏好时,可采用参数设置为c_1=c_2=2.0,C_R=0.5,F=0.4的dPSO算法.最后使用不同气候区的同类型建筑优化问题,对得到的高效参数组合进行了验证.