



全文预览已结束
下载本文档
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
导言粒子群优化由于其算法简单,易于实现,无需梯度信息,参数少等特点在连续优化问题和离散优化问题中都表现出良好的效果,特别是因为其天然的实数编码特点适合于处理实优化问题。近年来称为国际上智能优化领域研究的热门(HOT)。粒子群优化算法(Particle Swarm Optimization,PSO)最早应用于非线性连续函数的优化和神经元网络的训练,后来也被用于解决约束优化问题、多目标优化问题、动态优化问题等。在数据分类、数据聚类、模式识别、电信QoS管理、生物系统建模、流程规划、信号处理、机器人控制、决策支持以及仿真和系统辨识等方面,都表现出良好的应用前景。国内也有越来越多的学者关注粒子群优化算法的应用,将其应用于非线性规划,同步发电机辨识,车辆路径,约束布局优化,新产品组合投入,广告优化等问题。粒子群优化算法的提出时基于对简化的社会模型的模拟。算法原理算法的基本原理描述入下:一个由m个粒子(Particle)组成的群体(Swarm)在D为搜索空间中以一定的速度飞行,每个粒子在搜索时,考虑了自己搜索到的历史最好点和群体内(或领域内)其他粒子的历史最好点,在此基础上进行位置(状态,也就是解)的变化。第i个粒子的位置表示为:第i个粒子的速度表示为:第i个粒子经历过的历史最好点表示为:群体内(或领域内)所有粒子所经过的最好点表示为:一般来说,粒子的位置和速度都是在连续的实数空间内进行取值。粒子的位置和速度根据入校方程进行变化: (7.1) (7.2)其中,c1和c2称为学习因子(Learning Factor)或加速系数(Acceleration Coefficient),一般为正常数。学习因子是粒子具有自我总结和向群体中优秀个体学习的能力,从而向自己的历史最优点以及群体内或领域内的历史最优点靠近。c1和c2通常等于2。,是在0,1区间内均匀分布的伪随机数。粒子的速度被限定在一个最大速度的范围内。标准PSO算法为改善算法收敛性能,Shi和Eberhart在1998年的论文中引入了惯性权重的概念,将速度更新方程修改为式(7.3)所示 (7.3)其中,称为惯性权重,其大小决定了对粒子当前速度继承的多少,合适的选择可以是粒子具有均衡的探索能力(Exploration,即广域搜索能力)和开发能力(Exploitation,即局部搜索能力)。算法流程基本粒子群优化算法的流程如下:第1步:在初始范围内,对粒子群进行随机初始化,包括随机位置和速度。第2步:计算每个粒子的适应值。第3步:对于每个粒子,将其适应值域所经历过的最好位置的适应值进行比较,如果更好,则将其作为粒子的个体历史最优值,用当前位置更新个体历史最好位置。第4步:对每个粒子,将其历史最优适应值与群体内火领域内所经历的最好位置的适应值进行比较,若更好,则将其作为当前的全局最好位置。第5步:根据是(7.1)和(7.2)对粒子的速度和位置进行更新。第6步:若未达到终止条件,则转第2步。一般讲终止条件设定为一个足够好的适应值或达到一个预设的最大迭代代数。标准PSO 算法流程算法构成要素1. 群体大小m:m是个整型参数。当m很小的时候,陷入局优的可能性很大。然而,群体过大将导致计算时间大幅度增加。并且当群体数目增大到一定水平时,在增长将不在有显著作用。当m=1是,PSO算法变为基于个体搜索的技术,一旦陷入局优,将不可能跳出。当m很大时,PSO的优化能力很好,课时收敛速度将非常慢。2. 学习因子c1和c2:学习因子是粒子具有自我总结和向群体中优秀个体学习的能力,从而向群体内或领域内最优点靠近。3. 最大设定:最大速度决定粒子在一次迭代中最大的移动距离。较大,搜索能力增强,但是粒子容易飞过最好解。较小时,开发能力增强,但是容易陷入局优。现在的实验基本上使用进行初始化,将设定为每位变量的变化范围,而不必进行细致的选择与调节。4. 惯性权重:智能优化方法的运行能否成功,探索能力和开发能力的平衡是非常关键的。对于粒子群优化算法来说,这两种能力的平衡就是靠惯性权重来实现。较大的惯性权重使粒子在自己的原来方向上具有更大的速度,具有更好的探索能力;较小的惯性权重使粒子继承了较小的原有方向的速度,从而飞行较近,具有更好的开发能力。通过调节惯性权重可以调节粒子群的搜索能力。5. 领域拓扑结构:全局版本粒子群优化算法将整个群体作为粒子的领域,速度快,不过有时会陷入局部最优;局部版本粒子群优化算法将索引号相近或者位置相近的个体作为粒子的领域,收敛速度较慢,但很难陷入局部最优。全局版本粒子群优化算法可以看作是局部版本粒子群优化算法的一个特例,即将整个群体都作为领域。6. 停止准则:一般使用最大迭代次数或可以接受的满意解作为停止准则。7. 粒子空间的初始化:较好的选择粒子的初始化空间,将大大缩短收敛时间。随机生成一定规模的粒子群体,并设定粒子的初始位置和速度;PSO 算法对群体规模大小不十分敏感,一般取为3050 ,对于多模态函数优化问题可以取100300。优缺点分析与改进优点:(1) PSO 算法没有交叉和变异操作,依靠粒子速度完成搜索,收敛速度较快。(2) PSO 算法具备有效地全局和局部搜索的平衡能力,能够有效避免早熟。(3) PSO 算法采用同时处理粒子群中多个粒子的方法,可以同时搜索设计空间中的某个区域,具有本质的并行性。(4) PSO 算法采用实数编码,直接在问题域上进行求解,且需设置的参数较少,调整方便,因此算法简单,易于工程实现。缺点:(1) PSO 算法易陷入局部极值点。(2) PSO 算法搜索精度不高。(3) PSO 算法高效的信息共享机制可能导
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 一年级第二学期语文教学计划集合十篇
- 白酒销售工作总结
- 高中生自我介绍(15篇)
- 体育教师科研报告总结
- 园林施工合同范本
- 社会实践报告(集合15篇)
- 关爱生命关注健康-健康知识讲座
- 关于环保的英语
- 关于天气的英语 weather
- 共青团员入团程序
- 企业伦理智慧树知到期末考试答案章节答案2024年湖南大学
- 2024年人教版六年级上册语文知识竞赛题大赛
- 农机安全执法课件
- 《电力拖动自动控制系统》学习心得(3篇)
- 【课件】体量与力量-雕塑的美感+课件-高中美术人美版(2019)美术鉴赏
- 化工生产仿真综合实训报告
- 关于民宿管家培训
- 人工智能革命AI对全球劳动力市场的影响
- 预防艾滋梅毒乙肝培训课件
- 伯努利原理及其应用
- 建筑施工安全风险辨识风级管控(台账)清单
评论
0/150
提交评论