关键词：干式空心电抗器；优化设计；量子粒子群优化算法；多样性；混沌变异
摘 要：针对量子粒子群优化（quantum-behaved particle swarm optimization,QPSO）算法在求解复杂问题时的早熟收敛现象,提出了多样性引导的改进量子粒子群优化（diversity-guided modified QPSO,DGMQPSO）算法。该算法对基于混合概率分布的QPSO算法进行了扩展,利用群体多样性信息来引导粒子的搜索,即当群体的多样性小于下限值时,对全局最优粒子的位置进行混沌变异,从而提高群体的多样性,增强算法跳出局部最优解的能力;另外,还分析了采用不同混沌随机序列变异对优化设计结果的影响。对50 kvar干式空心电抗器的优化设计表明,DGMQPSO算法具有较强的全局搜索能力、较好的稳定性和良好的优化效果。