杜 江 李长波

河北工业大学电气工程学院 天津 300130

0 引言

电力变压器的优化设计问题是典型的工程优化问题，即在选用的优化算法稳定、可靠、寻优方便的基础上，在众多方案中寻求最优方案，使其既能满足工程问题中的约束条件，又可使优化设计问题的目标性能或指标达到最优［1］。优化设计方法广泛应用于化学工程和结构优化设计等问题当中，由于科技水平的不断发展和进步，需要解决的工程和技术问题变得更加复杂化、大型化和精密化，而优化设计方法正是解决这些问题的有效手段之一，因此，对优化算法的研究将会得到更加深入的发展。

近年来，随着信息科学与生命科学的快速发展，专家学者们将生物学中的遗传进化、群集智能等思想同计算机技术相结合，提出了许多新的算法。如遗传算法、人工神经网络算法、粒子群算法和蚁群算法等，这些算法统称智能优化算法。

粒子群优化算法（Particle Swarm Optimization,简称PSO算法）是由James Kennedy和Russell Eberhart通过对鸟群捕食行为的模拟所提出的，该算法适合解决多变量，多约束条件，非线性规划的工程问题，具有容易理解，易于实现，收敛速度较快等优点［2－3］。 但是，粒子群算法在处理维度较高的复杂问题时，容易出现早熟收敛的问题，即粒子群过早的聚集到局部最优解的邻域范围。

本文提出了一种带有速度惩罚量的改进粒子群算法，克服上述缺陷，实现算法在寻优精度和收敛性能上的提高。

1 粒子群优化算法

1.1 基本粒子群优化算法

粒子群算法的数学描述如下：