pso算法改進(jìn)的研究及在函數(shù)優(yōu)化中應(yīng)用

pso算法改進(jìn)的研究及在函數(shù)優(yōu)化中應(yīng)用

ID:31981576

大?。?.26 MB

頁(yè)數(shù):59頁(yè)

時(shí)間:2019-01-30

pso算法改進(jìn)的研究及在函數(shù)優(yōu)化中應(yīng)用_第1頁(yè)
pso算法改進(jìn)的研究及在函數(shù)優(yōu)化中應(yīng)用_第2頁(yè)
pso算法改進(jìn)的研究及在函數(shù)優(yōu)化中應(yīng)用_第3頁(yè)
pso算法改進(jìn)的研究及在函數(shù)優(yōu)化中應(yīng)用_第4頁(yè)
pso算法改進(jìn)的研究及在函數(shù)優(yōu)化中應(yīng)用_第5頁(yè)
資源描述:

《pso算法改進(jìn)的研究及在函數(shù)優(yōu)化中應(yīng)用》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、PSO算法的改進(jìn)研究及在函數(shù)優(yōu)化中的應(yīng)用摘要粒子群優(yōu)化(ParticleSwarmOptimi刎?,擯SO)算法是一種智能優(yōu)化算法,屬于進(jìn)化計(jì)算領(lǐng)域里的新分支。PSO算法結(jié)構(gòu)簡(jiǎn)單、只有較少的參數(shù)需要調(diào)整、收斂的速度比較快、不需要梯度信息,既適合科學(xué)計(jì)算,又特別適合工程應(yīng)用,因而從它問(wèn)世以來(lái)就受到了廣泛關(guān)注。但是現(xiàn)階段,對(duì)PSO算法的研究還不完善,核心部分的參數(shù)選擇依然存在爭(zhēng)議;很多對(duì)PSO算法的改進(jìn),雖然提高了算法性能,但同時(shí)也增加了算法的運(yùn)算復(fù)雜度;基本PSO算法在求解一些高維復(fù)雜的函數(shù)優(yōu)化問(wèn)

2、題時(shí)存在不足,如收斂速度較慢、收斂精度不高、較易陷入局部最優(yōu)等。因此,針對(duì)PSO算法進(jìn)行改進(jìn),研究既可以提高算法收斂性能,又不增加算法復(fù)雜度的改進(jìn)方法是非常有意義的。論文側(cè)重于對(duì)PSO算法在函數(shù)優(yōu)化中的應(yīng)用進(jìn)行研究,在理論分析和科學(xué)實(shí)驗(yàn)的基礎(chǔ)上,進(jìn)一步改進(jìn)和完善PSO算法,分別提出了三種基于不同策略的改進(jìn)PSO算法。論文的研究工作及主要?jiǎng)?chuàng)新點(diǎn)概述如下:一、提出了一種混合變異算子的自適應(yīng)PSO算法。該算法在基本PSO算法的基礎(chǔ)上做了如下改進(jìn):a)在速度更新公式中引入非線性遞減的慣性權(quán)重.b)改進(jìn)位

3、置更新公式;c)對(duì)全局極值進(jìn)行自適應(yīng)變異。實(shí)驗(yàn)結(jié)果表明,該算法具有較快的收斂速度及較好的收斂精度。二、提出了一種簡(jiǎn)化的自適應(yīng)PSO算法。該算法基于以下改進(jìn)策略:a)采用了去除速度項(xiàng)的簡(jiǎn)化PSO算法結(jié)構(gòu);b)選擇混合指數(shù)下降形式的慣性權(quán)重;c)對(duì)全局極值引入隨機(jī)自變異算子。實(shí)驗(yàn)結(jié)果表明,該算法可以有效避免“早熟”收斂問(wèn)題,并且可以大幅度提高收斂速度。三、提出了一種自適應(yīng)混沌PSO算法。該算法在基本PSO算法結(jié)構(gòu)中引入混沌變量,在算法陷入早熟收斂時(shí)進(jìn)行混沌搜索,同時(shí)引入非線性遞減的慣性權(quán)重以改進(jìn)算法

4、性能。實(shí)驗(yàn)結(jié)果表明,該算法能夠有效調(diào)節(jié)全局探索和局部發(fā)掘能力,保持并增強(qiáng)種群的多樣性,避免算法陷入局部最優(yōu),改善了算法的收斂性能。論文最后對(duì)所做工作進(jìn)行了總結(jié),并提出了進(jìn)一步研究的方向。關(guān)鍵詞:粒子群優(yōu)化算法全局優(yōu)化變異算子自適應(yīng)慣性權(quán)重混沌ⅡSTUDYONTHE玎訌PRoVEMENTSOFPSOALGoRITHMANDITSAPPLICATIONSINFUNCTIONOPTIMIZATIONABSTRACTP州clesw鯽[nopt疵Lizationisakilldof妣lligentom詘i

5、onalgorimnlS,belongst0缸1eevolu廿ona巧coInputation.Particlesw鋤optimiZationis證conc印t,fewmp缸ameters,撒deaSymirllplementation,soithaSa拋chgreatiI】1portallcetorese砌1ershomeandabroadsillcebi11仃oduced.Butatpresen‘merese鯽chonparticlesw鯽moptir吐乙撕on酊gorithmdoesn’t

6、cometOpe彘吒mechoiceofh砌core’sp刪neterselectionstiUhausmeve巧g弦atdiSpute.Al吐10u曲血arlyiIllproVementst0thealgorithmerllmcestllealgori戧lmperfomlau∞e,meyiIlcreasesthecoⅡlple虹鑼oft】balgorithm.Therefore,itissigtli丘cantt0mak缸gparticleswann0ptiIIl協(xié)ionaS也eobjectof

7、study,丘nd噸acorrectiVememodt0iInproVetllealgorimmconve瑪enceratewitllouttoi11creaSetllecoIllple婚夠ofalgorimm.ThemesisfocuSesonme印plicatioIlSiIlf洫ctionopt證1iZationofPSOalgorimm,metlleo拶analysisaIldscientificexper洫ents,、veilnprovea11dperfect也ePSOalgorithm

8、,thema訪、№fboft11edisseIrtationcanbesun衄£urizedasfollows:(1)OnmebaSeofstaIldardp砒iclesw踟叩ti捌?,攎ep疵clesw黝optiIIli腳ionwithhybridm刪onoperatOralgorithmappliessomeme也ods,suCh雛citiI培aliIleard砌s址ngi11eniawei出,cl姍ging缸1eveloci夠iterationⅢfomulaand幽ducmgthemuta

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。