基于粒子群优化的粒子滤波算法应用研究.pdfVIP

12 4 2012 2 科 学 技 术 与 工 程 Vol. 12 No. 4 Feb． 2012 第 卷 第 期 年 月 167 1— 1815 (2012)04-0936-04 Science Technology and Engineering  2012 Sci. Tech. Engrg. 基于粒子群优化的粒子滤波算法应用研究 邢家丽 杨奕飞 ( ， 212003) 江苏科技大学电子信息学院 镇江 。 摘 要 粒子群优化算法是一种基于群体智能理论的全局寻优算法 首先对粒子群优化算法的原理和实现过程进行了研 ， ， ， 究 然后比较了粒子群优化算法与粒子滤波算法的异同 并将粒子群优化算法引入到粒子滤波算法中 解决了粒子贫乏的问 。 ， PSO—PF 。 PSO—PF 题 提高了每个粒子的作用效果 同时给出了 算法的基本步骤 最后将 算法应用于自航耙吸挖泥船的泥 ， 。 PSO—PF ， 舱溢流损失估计中 采用实测工程数据进行了仿真 仿真结果表明该 算法基本达到了预期的效果 为自航耙吸挖泥 船操作人员的施工提供了决策支持。 关键词 粒子滤波 粒子群优化算法 自航耙吸挖泥船 溢流损失 中图法分类号 U674 ． 31 TP182 ; 文献标志码 A Step3 : ， 为了解决工业设计过程中经常遇到的优化问 对于每个粒子 将其适应度值与所经历 ， 。 ， ， ， 题 人们提出了许多优化算法 其中 粒子群优化 的最好位置的适应度值进行比较 如果更好 则将 ［1，2］(PSO ，Particle Swarm Optimization)， 算法 是由美 ， 其作为粒子的个体历史最优值 用当前位置更新个 国社会心理学家Kennedy 和电气工程师Eberhart 于 体的历史最好位置。 1995 ， ， 年提出的新算法 它属于进化算法的一种 是 Step4 : ， 对每个粒子 将其历史最好位置与群体 受鸟类捕食的群体行为启发而进行建模与仿真的 内部或邻域内所经历的最好位置的适应度值进行 ［3］ 进化计算技术 。这种优化技术因其具有易实现、 比较， ， 。 若更好 则将其作为当前的全局最好位置 、 ， ， 精度高 收敛快的优点 受到学术界的重视 且在解 Step5 : 。 对粒子的速度和位置进行对比