資源描述：
《基于動(dòng)態(tài)粒子群算法的動(dòng)態(tài)環(huán)境尋優(yōu)算》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、基于動(dòng)態(tài)粒子群算法的動(dòng)態(tài)環(huán)境尋優(yōu)算1、案例背景為了跟蹤動(dòng)態(tài)極值，需要對(duì)基本的PSO算法進(jìn)行兩方面改進(jìn)，第一是引入探測(cè)機(jī)制，使種群或粒子獲得感知外部環(huán)境變化的能力；第二是引入響應(yīng)機(jī)制，在探測(cè)到環(huán)境的變化后，采取某種響應(yīng)方式對(duì)種群進(jìn)行更新，以適應(yīng)動(dòng)態(tài)環(huán)境?；诿舾辛Ｗ拥膭?dòng)態(tài)粒子群算法是一種典型的動(dòng)態(tài)粒子群算法，它在算法初始化時(shí)隨機(jī)選擇一個(gè)或多個(gè)位置，稱(chēng)為敏感粒子，每次迭代中計(jì)算敏感粒子適應(yīng)度值，當(dāng)發(fā)現(xiàn)適應(yīng)度值變化時(shí)，認(rèn)為環(huán)境已發(fā)生變化。響應(yīng)的方式是按照一定比例重新初始化粒子位置和粒子速度。2、案例目錄第十六章??基于動(dòng)態(tài)粒子群算法的動(dòng)態(tài)環(huán)境尋優(yōu)算法...16
2、.1理論基礎(chǔ)...16.1.1?動(dòng)態(tài)粒子群算法...16.1.2?動(dòng)態(tài)環(huán)境...16.2?案例背景...16.3MATLAB程序?qū)崿F(xiàn)...16.3.1?動(dòng)態(tài)環(huán)境函數(shù)...16.3.2?種群初始化...16.3.3?循環(huán)動(dòng)態(tài)尋找...16.3.4?仿真結(jié)果...16.4延伸閱讀...16.4.1.APSO..16.4.2.EPSO..16.4.3TDPSO..16.5?參考文獻(xiàn)...?103、主程序%%循環(huán)尋找最優(yōu)點(diǎn)fork=1:1200k%新數(shù)字地圖h=DF1function(X1,Y1,H1,X2(k),Y2(k),H2(k));%敏感粒子變化fori
3、=1:5*nfitnessTest(i)=h(popTest(i,1),popTest(i,2));endoFitness=sum(fitnessTest);%變化超過(guò)一定范圍,重新初始化ifabs(oFitness-nFitness)>1index=randperm(20);pop(index(1:10),:)=unidrnd(501,[10,2]);V(index(1:10),:)=unidrnd(100,[10,2])-50;end%粒子搜索fori=1:Tmaxforj=1:n%速度更新V(j,:)=V(j,:)+floor(rand*(popg
4、best(j,:)-pop(j,:)))+floor(rand*(popzbest-pop(j,:)));index1=find(V(j,:)>Vmax);V(j,index1)=Vmax;index2=find(V(j,:)popMax);pop(j,index1)=popMax;index2=find(pop(j,:)5、(j)=h(pop(j,1),pop(j,2));%個(gè)體極值更新iffitness(j)>fitnessgbest(j)popgbest(j,:)=pop(j,:);fitnessgbest(j)=fitness(j);end%群體極值更新iffitness(j)>fitnesszbestpopzbest=pop(j,:);fitnesszbest=fitness(j);endendendfitnessRecord(k)=fitnesszbest;fitnesszbest=0;fitnessgbest=zeros(1,20);end4、運(yùn)行結(jié)果
