多尺度協(xié)同變異的粒子群優(yōu)化算法的實(shí)現(xiàn)-廈大計(jì)算機(jī)專業(yè)課設(shè)論文

1、實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)報(bào)告題目：多尺度協(xié)同變異的粒子群優(yōu)化算法的實(shí)現(xiàn)題目：多尺度協(xié)同變異的粒子群優(yōu)化算法的實(shí)現(xiàn)學(xué)院：信息科學(xué)與技術(shù)學(xué)院學(xué)院：信息科學(xué)與技術(shù)學(xué)院專業(yè)：計(jì)算機(jī)技術(shù)專業(yè)：計(jì)算機(jī)技術(shù)年級(jí)：年級(jí)：20162016級(jí)研究生級(jí)研究生課程：計(jì)算智能課程：計(jì)算智能_作業(yè)作業(yè)4姓名：姓名：學(xué)號(hào)：學(xué)號(hào)：備注：備注：本實(shí)驗(yàn)采用的是windows10VisualStudio2013運(yùn)用的win32的運(yùn)行平臺(tái)。二、二、算法分析算法分析1.基本理論和方法基本理

2、論和方法我們把一個(gè)優(yōu)化問題看作是在空中覓食的鳥群那么在空中飛行的一只覓食的“鳥”就是PSO算法在解空間中進(jìn)行搜索的一個(gè)“粒子”(Particle)也是優(yōu)化問題的一個(gè)解.“食物“就是優(yōu)化問題的最優(yōu)解.粒子在搜索空間中以一定的速度飛行這個(gè)速度根據(jù)它本身的飛行經(jīng)驗(yàn)和同伴的飛行經(jīng)驗(yàn)來動(dòng)態(tài)調(diào)整.所有的粒子都知道自己到目前為止發(fā)現(xiàn)的最好位置T，這個(gè)可以看作是粒子自己的飛行經(jīng)驗(yàn).此外每個(gè)粒子還知道到目前為止整個(gè)群體中所有粒子發(fā)現(xiàn)的最好位置即gP(也稱

3、為gbest，gbest是在pbest中的最好值)這個(gè)可以看作是粒子的同伴的經(jīng)驗(yàn).在由這樣一群隨機(jī)初始化形成的粒子而組成的一個(gè)種群中以迭代的方式進(jìn)行的速度與位置的更新公式為:作為問題近似最優(yōu)解。其中1r和2r為兩個(gè)在[01]范圍內(nèi)服從均勻分布的隨機(jī)變量用來保持群體的多樣性.1c和2c為學(xué)習(xí)因子也稱加速因子其使粒子具有自我總結(jié)和向群體中優(yōu)秀個(gè)體學(xué)習(xí)的能力從而向自己的歷史最優(yōu)點(diǎn)以及群體的歷史最優(yōu)點(diǎn)靠近.w為慣性權(quán)重它起著權(quán)衡局部最優(yōu)能力和全

4、局最優(yōu)能力的作用.公式中右項(xiàng)中的三個(gè)部分分別稱為：慣性部分、認(rèn)知部分（代表粒子對(duì)自身的學(xué)習(xí)）、社會(huì)部分（代表著粒子間的協(xié)作）.這三個(gè)部分之間的相互平衡決定了算法的主要性能.2.具體算法具體算法通過多尺度高斯變異算子就可以保證無論最優(yōu)解存在何處算法進(jìn)化到何處都能夠準(zhǔn)確定位到最優(yōu)解區(qū)域.算法具體描述如下:設(shè)尺度個(gè)數(shù)為M首先初始化多尺度高斯變異算子的初始方差。初始時(shí)方差一般設(shè)定為優(yōu)化變量的取值范圍隨著迭代次數(shù)的增加多尺度高斯變異算子的方差會(huì)隨