改进生物地理学优化算法及其在PID控制器参数中的优化

第41卷第4期

2017年8月南京理工大学学报

Journal o f N a n jin g U n ive rsity o f Science and Technology Vol.41 No. 4 Aug 2017

改进生物地理学优化算法及其在

P ID控制器参数中的优化

王齐1，陈娟\李全善2，刘继超3

(1.北京化工大学信息科学与技术学院，北京100029 ;2.北京世纪隆博科技有限责任公司，北京100029;

3.燕京理工学院，河北三河065201)

摘要：为了解决生物地理学优化（Biogeography-based optimization，BB0)算法在收敛过程容易陷

入早熟的问题，提出了 一种改进的生物地理学优化（Improved biogeography-based optimization，

I-BB0)算法。该算法是在生物地理学的基础上，引入了人工驯养的概念，把人工驯化与生物地理

学算法相结合，解决了 BB0算法在后期存在搜索动力不足的问题。仿真实验表明：I-BB0算法提 高了物种的多样性，增强了算法的搜索能力，加快了寻优速度。将该文提出的I-BB0算法应用到

比例积分微分（Proportion integration differentiation,PID)控制器的参数整定中，通过两个例子的仿 真，结果表明，I-BB0算法在优化PID控制器参数上比原有的BB0算法更加迅速。

关键词：人工驯养；生物地理学；优化算法；参数优化

中图分类号:TP273.24 文章编号：1005-9830(2017)04-0519-07

DOI：10.14177/j. cnki.32-1397n.2017.41.04.018

PID parameter optimization based on improved

biogeography-based optimization algorithm

Wang Qi1 ,Chen Juan1 ,Li Quanshan2 , Liu Jichao3

(1. School of Information Science and Technology,Beijing University of Chemical Technology, Beijing 100029 , China;2. Beijing Century Robust Technology Co. Ltd. , Beijing 100029, China;

3. Yanching Institute of Technology, Sanhe 065201, China)

Abstract： An improved biogeography-based optimization( I-BBO) algorithm is presented in order to solve the problem of biogeography-based optimization( BBO) algorithm, which has the phenomenon of easily precocious convergence in the process of optimization. Based on the biogeography, the algorithm introduces the concept of artificial domestication and the integrating artificial domestication

in biogeography algorithm to solve the problem of the less ability to explore in the end of the process. Simulation experiments prove that the I-BBO algorithm improves the species diversity and enhances

收稿日期:2016-10-10修回日期:2017-01-16

基金项目：国家自然科学基金（21376014)

作者简介:王齐（1990-)，男，硕士生，主要研究方向：系统辨识、先进控制，E-m a il: w a ng qi_bu ct@ fo xm a il. c o m;通讯 作者:陈娟（1961-)，女，教授，博导，主要研究方向：控制理论及先进控制方法、系统辨识建模等，

E-m a il :jche n@ m a il. bu ct. edu. c n。

引文格式:王齐，陈娟，李全善，等.改进生物地理学优化算法及其在P I D控制器参数中的优化[J].南京理工大学 学报，2017,41(4):519-525.

投稿网址：h ttp://z rx u e b a o. n ju st. edu. cn

520

南隶雜I ：大.学学报

第41卷第4期

迁入概敎

具有较高适:宜度指_数.(H a b ita t .suitability index ,

H S I )的栖息地适合生物栖息;反之T不适食生物栖

息。影响适宜性指数的因素包括:降雨量、植被的 多样性、地形特征、土地面积和环境温度^这些变

蠻称为适宜性指数变釐（Suitability index variable ,

S IV )C

在880中注要依赖操作:迁移和突变。

(1)迁移。根据群体中个体的适宜度排序, 得到个体i 的物种数■*, (i = 1 >2，…，》),»为群体 规模，定义迁_入率A ,:和迁出率供分别为

入

,:=ni-s/s 腿) (1)

(2)

式中为所有个体包含物种数的最大值，/为最

大的迁入率，£为最大的迁出率；i 为个体编号。 根据个体的迁人率，随机选择霈要迕人的个体;再 根据个体的迁出率，随机选择要迁出的S IV ,从而 实现优秀个体的信息共享。

注意到式(1)和式(2)是计算A 和M 的一种 线性模型如图1(a )斩示，文献[2]中，作者研究 了不同迁移率模型下的算法性能，通过实验证明 余弦迁移模型性能最优。本文采用余弦迁移模 型，如图1(b )所示。

生物地理学优化（Biogeography-based 〇ptituization，B.B O ).算法暴美_攀者 Dan Simon 宁

2008年提出来的一种基于生物地理学的全屬优

化算法[1]a 生物地理学是研究生物体在地理区 域上分布的学说，它采用了迁移算子实现了各解 决方案(种群)之间猶雷息共寧b ..■物地.理学猶 数学模型描述了物种的迁移、形成和灭绝。生物 地理学优化算法类似于在过去的几十年中发展起 来的遗传算法、蚁群优化耸法和粒子群优化算法 等，但其参数少、易¥实现、优化性能强。

BB .0算法提迅后4 Dan S m o n 对其进行f 1评梅 和测试，结果表明了 BB 0算法的良好性能;近年 来，很多国内外学者对其开放性问题进行了研究探 索，也取得了一定的进展。马海平等人[2]推广了生 物地理理论中的物种平衡数，探讨了 6种不同的迁 移模型，通过实验证明正弦迁移曲线性能最优。龚 文银等人[3]扩展了原有的BB 0,提出了一种实数 编码的BB 0算法，同时引进邻域搜索算法s Dan

Sim on 等人w 还对BB 0算法进行了简化，提出了 3

种简化的BB 0算法模型，对种群进行概率分析，证

明了算法在不同简化形式下得到最优解所需要的 代数和期望的改进量^同时在文献[5]中发展了

BB 0的马尔可夫分析等。Panchal 等人W 将BB 0

算法用于卫星图像的分类取得了较好的效果。文 献[7]为解决BB 0算法搜索能力偏弱的特点,采用 了排重操作对其进行改进。文献[8]提出了在迁 移操作中引人粒子群优化算法的寻优策略。

虽然BB 0算法收敛速度快，但是在后期存在 搜索动力不足的问题。本文针对这个问题，提出 将人工_养的概念与BB 0箅法相结合的改进I -

BB 0算法，当BB 0

算法迭代后期出现停滞不前的

现象时，将自Br最优的解作为驯化对象，可以快速 得到更优的解直至达到全局最优。人I 驯养的引 入増加了种群物种多样性,提高了其搜索能力。

1 BBO 算法

B B 0是一种新的生物地理启发式全局优化算 法。生物地理学中“岛”的概念在这里指栖息地，

迁出概％物种数目n

(b )余弦模型 图1

迁入迁出模型

the search a b ility o f the algorithm . The I-B B O algorithm is applied to set the proportion - i ntegration - differentiation ( P ID ) controller parameters . The sim ulation results o f the two examples show that the I - BBO algorithm is more rapid than the BBO algorithm in the PID controller parameters optim ization .

Key words ： a rtific ia l domestication ； biogeography ； optim ization algorithm ； parameter optimization

#

狳

V

H