版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、粒子群優(yōu)化算法(Particle Swarm Optimization,PSO算法)源于鳥群和魚群群體運動行為的研究,是一種基于群體智能的進化計算技術,是進化計算領域中的一個新的分支。作為一種新的并行優(yōu)化算法,粒子群算法可用于解決大量的非線性,不可微和多峰值的復雜問題優(yōu)化,并已廣泛應用于科學和工程領域。粒子群優(yōu)化算法的收斂速度快,運算簡單,易于實現(xiàn),沒有遺傳算法的編解碼和雜交變異等復雜運算。因此,粒子群算法一經提出,立即引起了進化計算領
2、域的學者們的廣泛關注,并在短短的幾年時間里出現(xiàn)大量的研究成果。但是粒子群優(yōu)化算法是根據全體粒子和自身的搜索經驗向著最優(yōu)解的方向“飛行”,在進化后期收斂速度明顯變慢,同時算法收斂到一定精度時,算法無法繼續(xù)優(yōu)化,因此算法所能達到的精度較差。 本文系統(tǒng)地論述了PSO算法及其各種研究成果,并且針對基本粒子群算法的容易陷入局部極小值,搜索精度不高等缺點,在算法改進方面提出了與免疫算法相結合的PSO算法,利用免疫算法能夠保持個體多樣性的特點
3、,使算法能夠跳出局部極值。并使用四個經典的測試函數(shù)對其進行了測試,試驗結果表明,這些改進取得了較好的效果。本文的重點在于對PSO算法的改進,主要內容包括: 1.拋棄傳統(tǒng)的隨機初始化粒子和粒子的速度方法,采用logistic映射生成初 始化粒子,以及粒子的初始速度; 2.將免疫算法中的基于濃度的選擇機制引入到PSO算法中,這樣結合了PSO算 法的全局尋優(yōu)能力和免疫算法保持群體多樣性的機制,使得PSO算法具有了 擺脫局
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡介
- 基于免疫克隆與粒子群的優(yōu)化算法研究.pdf
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡介
- 基于免疫粒子群優(yōu)化算法的結構動力模型修正.pdf
- 基于改進粒子群優(yōu)化算法的聚類算法研究.pdf
- 基于分級的粒子群優(yōu)化算法研究.pdf
- 基于網格優(yōu)化粒子群算法的研究.pdf
- 基于Baldwin效應粒子群優(yōu)化算法的研究.pdf
- 基于粒子群算法的油船結構優(yōu)化研究.pdf
- 基于粒子群算法的組網優(yōu)化問題研究.pdf
- 基于粒子群優(yōu)化算法的圖像分割研究.pdf
- 改進粒子群優(yōu)化算法的研究.pdf
- 基于多目標粒子群優(yōu)化算法的圖像分割算法.pdf
- 基于粒子群算法的剛架結構的優(yōu)化.pdf
- 粒子群優(yōu)化算法研究.pdf
- 改進的粒子群優(yōu)化算法的研究.pdf
- 粒子群算法----粒子群算法簡介
- 粒子群算法----粒子群算法簡介
- 基于優(yōu)化控制思想的粒子群優(yōu)化算法改進研究.pdf
- 粒子群及量子行為粒子群優(yōu)化算法的改進研究.pdf
評論
0/150
提交評論