张馨元　周傲

摘要：非线性系统通常会在工业生产过程中较多地存在着，如在过程控制、冶金反应等过程中就很常见，所以相关人员对非线性系统进行建模与辨识有着重要的现实意义。根据当前非线性模型的发展情况可知，其经常用到的有Wiener、Volterra、Vammerstein和Hammerstein-Wiener模型，在这四种常用的非线性模型中，笔者在此就选择hammerstein来进行讨论。

关键词：改进；生物地理学算法；模型设计

受到生物地理学启发，生物地理学优化算法（Biogeography-Based Optimization，BBO）也开始成为了一种对Hammerstein模型进行辨识的新的进化算法。很多学者都参与到这项的研究中来，并且通过研究证明这种算法有着很大的优势，在众多的有或无约束的基准测试函数中都有着良好的表现，而且这种BBO的算法也有着很强的实用性和使用范围，如在多目标发电调度、卫星图像分类、传感器选择等实际应用的方面都发挥着重要的作用，因此鉴于以上它的优势，这项技术也已经得到了广泛的应用。

1. 生物地理学优化算法概述

生物地理学优化算法（Biogeography-Based Optimization，BBO）的最早提出是在2008年的IEEE上被Dan Simon提出的，这种新的智能优化算法是在生物地理学的启发下被提出的，它实现了在问题优化的研究领域将生物地理学的理论引入其中，其主要的思想基础就是物种在栖息地之间迁移的过程中信息的流通和分享问题。即是在一个区域内，各个生物栖息地的适宜度指数（habitat suitability index，HSI）都是不同的，如果一个生物栖息地非常适合生物的居住，那么它的HSI就会比较高，影响该指数的自然环境因素主要有湿度、温度、降水等。……