粒子群优化算法的改进和应用研究.pdf

摘要 （2 ）采用云模型理论实现对惯性权重 ω 的多规则不确定动态调整，对测试 函数的测试结果表明，该方法收敛速度快，优化效果好。另外，考虑到在粒子群 优化算法中加速度c 也是一个重要的参数，提出对惯性权重 ω 以及加速度c 的 2 2 双变量多规则不确定动态调整，这种方法经过测试其效果要优于仅调整惯性权重 ω 的改进算法； （3 ）提出了一种两群替代粒子群优化算法，该算法简单易行，使用的两个 分群一个使用全局型PSO算法进行搜索寻优，另外一个采用局部型PSO算法，通过 它们之间粒子的互相替换既可 以实现对群体多样性的保持，同时还保持 了收敛速 度快的特点。实验表明该改进算法的寻优效率大大提高。将该算法应用于工业控 制 中基本使用的不完全微分PID的参数寻优，对几个对象的控制效果良好，同时 在出现控制对象变化或外来扰动引入时具有一定的自适应控制能力。 （4 ）将差异演化 （DE）算法和标准PSO算法混合进行进化，把DE算法的优势 带入到粒子群算法中，利用DE算法