第九章解连续性优化问题的粒子群优化算法.pptVIP

第九章解连续性优化问题的粒子群优化算法 内容简介： 粒子群算法（PSO算法） 模拟退火简介 混沌知识简介 两篇论文 粒子群算法（PSO算法） 算法思想： PSO模拟鸟群的捕食行为。 设想这样一个场景：一群鸟在随机搜索食物，在这个区域里只有一块食物，所有的鸟都不知道食物在那里，但是它们知道当前的位置离食物还有多远，那么找到食物的最优策略是什么呢？ 最简单有效的就是： 搜寻目前离食物最近的鸟的周围区域 算法介绍： PSO中，每个优化问题的解都是搜索空间中的一只鸟，我们称之为“粒子”。 所有的粒子都有一个由被优化的函数决定的适应值(fitness value 每个粒子还有一个速度决定他们飞翔的方向和距离 然后粒子们就追随当前的最优粒子在解空间中搜索。 PSO初始化为一群随机粒子(随机解)，然后通过迭代找到最优解。在每一次迭代中，粒子通过跟踪两个“极值”来更新自己。 个体极值pBest-----粒子本身所找到的最优解 全局极值gBest-----整个种群目前找到的最优解 粒子群算法（PSO算法） 算法介绍： 在找到这两个最优值时，粒子根据如下的公式来更新自己的速度和新的位置： 粒子群算法（PSO算法） vk---粒子的速度向量 xk ---当前粒子的位置 pbestk---粒子本身所能找到的最优解的位置 gbestk---整个种群目前找到的最优解的位置 c0,c1,c2---群体认知系数 注意：每一维粒子的速度都会被限制在一个最大速度vmax之内 粒子群算法（PSO算法） PSO算法特点： 基于PSO算法最初是处理连续优化问题的 类似于遗传算法，PSO也是多点搜索 PSO算法在多样性和集中化之间建立均衡 粒子群算法（PSO算法） 程序框架： 对每个粒子初始化，设定粒子数n,随机产生n个初始解或给出n个初始解，随即产生n个初始速度； 根据当前位置和速度产生各个粒子的新的位置； while(迭代次数规定迭代次数)do 计算每个粒子新位置的适应值：对各个粒子，若粒子的适应值优于原来的个体极值pbest,设置当前适应值为个体极值pbest; 根据各个粒子的个体极值pbest找出全局极值gbest; 按式（1），更新自己的速度，并把它限制在Vmax内; 按式（2），更新当前位置。 END 模拟退火简介 算法的提出 模拟退火算法最早的思想由Metropolis等（1953）提出，1983年Kirkpatrick等将其应用于组合优化，才得到广泛的应用 算法的目的 解决NP复杂性问题； 克服优化过程陷入局部极小； 克服初值依赖性。 模拟退火简介 物理退火过程 什么是退火？ 退火是指将固体加热到足够高的温度，使分子呈随机排列状态，然后逐步降温使之冷却，最后分子以低能状态排列，固体达到某种稳定状态 模拟退火简介 物理退火过程 加温过程——增强粒子的热运动，消除系统原先可能存在的非均匀态； 等温过程——对于与环境换热而温度不变的封闭系统，系统状态的自发变化总是朝自由能减少的方向进行，当自由能达到最小时，系统达到平衡态； 冷却过程——使粒子热运动减弱并渐趋有序，系统能量逐渐下降，从而得到低能的晶体结构。 能量越低越稳定！！！ ——真理 模拟退火简介 混沌知识简介 身边的混沌现象 当您的妈妈对这您大叫：“你的房间简直一片混沌（混乱）！”她的话可能正确，但是她一定不会知道：混沌里蕴含着秩序。那些乱七八糟的书籍、五颜六色的果皮糖纸、臭气熏天的袜子里都隐藏着一种秩序，只是等待您的发现。 流行是观察自相似特性的一个很好的例子，身边的朋友们穿着相同的衣服，留着相同的发型，甚至使用相同颜色的指甲油。如果流行是一种分形的话，那么，是什么样的混沌过程产生了这样的分形呢？ 混沌知识简介 几种混沌图片 混沌知识简介 几种混沌图片 混沌知识简介 几种混沌图片 混沌知识简介 几种混沌图片 混沌知识简介 什么是混沌？ 它的原意是指无序和混乱的状态（混沌译自英文Chaos）。这些表面上看起来无规律、不可预测的现象，实际上有它自己的规律。 混沌学的任务：就是寻求混沌现象的规律，加以处理和应用。 60年代混沌学的研究热悄然兴起，渗透到物理学、化学、生物学、生态学、力学、气象学、经济学、社会学等诸多领域，成为一门新兴学科。 科学家给混沌下的定义是：混沌是指发生在确定性系统中的貌似随机的不规则运动，一个确定性理论描述的系统，其行为却表现为不确定性一不可重复、不可预测，这就是混沌现象。进一步研究表明，混沌是非线性动