粒子群、野草、风驱三种智能算法基本介绍_第1页
粒子群、野草、风驱三种智能算法基本介绍_第2页
粒子群、野草、风驱三种智能算法基本介绍_第3页
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

粒子群算法（PSO）是一种基于迭代的优化工具，一种基于群体的随机优化技术。系统初始化为一组随机解,通过迭代搜寻最优值。采用群体解的合作机制来迭代产生最优解。粒子群算法的优点是概念简单、容易实现，需要调节的参数偏少。其原理是：PSO算法首先初始化一群随机粒子（随机解），在搜索空间中以一定的速度飞行，然后通过迭代找到最优解。在每一次迭代中，粒子通过跟踪两个极值来更新自己，第一个就是粒子本身所找到的最优解，另一个极值是整个种群目前找到的最优解。设第i个粒子为Xi=（xil,Xi2,……xid）,它经历的最好位置（最好的适应值，每个函数都有一个由被优化函数决定的适应度值）用Pbest表示,而群体所经过的最好位置用gbest表示。粒子速度用Vi=（vil,vi2,……vid）表示。对每一代个体，其第d维（lWdWD）的速度和位置变化遵循下面公式：呗="%+5F血心（）*（P力一唏）+S曲皿WP崗-呵）xid~xid_唏其中w为惯性权重，cl和c2为加速常数，randl和rand2为在0〜1内变化的随机函数。此外，粒子的速度vi受最大速度vmax的限制。粒子群算法的流程是：第一步：初始化一群粒子包括起始位置和速度；第二步：计算每个粒子的适应度值；第三步：对每个粒子，将其适应度值与其经历过的最好位置Pbest作比较，如果好于后者，则将此时的适应度值作为当前的最好位置Pbest；第四步：对每个粒子，将其适应度值与全局所经历的最好位置gbest作比较,如果好于后者，则重新记录的大小gbest；第五步：先根据第一个方程重新计算粒子的速度，然后根据第二个方程重新计算粒子位置；第六步：如果满足结束条件，程序终止，否则跳转到第二步。其次，野草算法QWO）是一种受野草启发而提出的、基于种群的数值优化计算方法，起执行过程是模拟野草的殖民化过程。即通过四个步骤：初始化种群、繁殖、空间分布、竞争性生存来完成。其优点是易于理解，易于编程实现。野草算法的执行步骤是：第一步：种群初始化（参数的设置和初始解）；第二步：对于每个解，确定允许的后代个数；第三步：根据以下公式的限定，在解的每一维进行加减某个数值D的操作来产生新的解并评价这些新的解，，第四步：如果现有解的数量小于Qsize，执行第二步，否则转第五步；第五步：根据竞争性生存法则选取Qsize个适应值最好的解；第六步：如果iter小于itermax，则转到第二步，否则退出算法并输出最优解；其流程图为：对于确拌大小、族胖大小、区同數叹菖册大崔働次数妊行设買随机初始化對施种群，评份蒔个野卑植怵旳盘应世并保璽最好解悵誓野草适应谊进行酸殖，产土輛的种子，幷进行輦应世评价更軒取奸斛唯腸覚辛性生存法卿対感群權株进行适应值捋序.选址出适应值最画的Qs「个个依最后，风驱算法（WDO）是一种新型的全局优化算法，灵感来源于地球大气层中的风的运动，风驱优化算法非常适合用于离散和连续值参数的问题。对于风驱算法来说其研究对象的空气块的速度和位置以如下方式变化：这里有几个系数必须优先选择以开始

人人文库> 全部分类> 行业资料 > 信息产业

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

评论

0/150

提交评论