粒子群優(yōu)化算法的性能研究及其應(yīng)用.pdf

1、粒子群優(yōu)化算法(Particle Swarm Optimization，PSO)源于對鳥群覓食行為的研究，是一種基于群智能的演化計(jì)算技術(shù)。由于該算法概念簡明，實(shí)現(xiàn)方便，收斂速度快，參數(shù)設(shè)置少，是一種高效的搜索算法，近年來受到學(xué)術(shù)界的廣泛重視。目前，已廣泛應(yīng)用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、模式識別、模糊系統(tǒng)控制以及其它工程領(lǐng)域。
　　 本文提出了一種新的混合粒子群優(yōu)化算法(MPSO)來訓(xùn)練徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)的參數(shù)，并將訓(xùn)練出

2、的RBF神經(jīng)網(wǎng)絡(luò)作為預(yù)測控制算法的預(yù)測模型，對非線性系統(tǒng)進(jìn)行直接多步預(yù)測控制。同時(shí)也采用MPSO對構(gòu)造的復(fù)合神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并將其作為系統(tǒng)的辨識模型，用于非線性系統(tǒng)的輸出反饋控制。通過實(shí)驗(yàn)進(jìn)行仿真，控制效果較好。本文所作的主要工作如下：
　　 第一、對粒子群優(yōu)化算法的性能進(jìn)行分析，針對該算法的早熟收斂，容易陷入局部最優(yōu)且搜索精度不高等缺點(diǎn)，提出了一種新的混合粒子群優(yōu)化算法。
　　 第二、將混合粒子群優(yōu)化算法(MPSO)