周爱国 ，余汉华 ，，何怡刚

(1.中国国能电力工程有限公司，上海200061；2.湖南大学，湖南 长沙410082)

在达尔文生物进化论的基础上，学者相继进行了遗传算法、PSO算法、蚁群算法、鱼群算法、果蝇算法等智能群体算法的研究[1-3]，在神经网络基础上，学者提出了优于BP网络和Hopfield网络的Boltzmann机[4]。其中，由潘文超提出的果蝇算法通过嗅觉和视觉两方面实现搜寻，加快了搜寻速度，提高了搜寻精度[5]；Boltzmann机结合了两种网络结构和学习算法的优点。基于此，本文采用果蝇算法搜寻Boltzmann机结构，实现对发电机机端电流检测研究。将此方法与传统网络滤波及滤波器滤波对比，更体现了本文方法的优越性。

1 果蝇算法

果蝇算法（FOA）是继遗传算法、蚁群算法、粒子群算法等智能群体算法之后，由潘文超提出的一种全新的演化式算法。通过对果蝇搜寻食物的研究，分析出果蝇是通过嗅觉寻找食物的大概位置，再用视觉确定食物的准确位置的觅食规律，提出了果蝇优化算法。

果蝇群体同以往群体算法一样，也是通过迭代搜寻得到最优值，果蝇群体演化式搜索算法流程如图1所示。

图1 算法流程

2 果蝇算法寻优Boltzmann机网络

Boltzmann机网络结构没有明显的层次，通过神经元的互联实现网络状态按概率分布进行变化。神经元之间通过正向、逆向实现信息双向传递，即 ωij=ωji、ωii=0，中间部分隐见神经元不受外部环境的约束。Boltzmann机的每个神经元都具有随机的兴奋和抑制状态，其概率取决于神经元输入，图2表述了Boltzmann机网络结构形式。……