基于PSO的寻优计算报告范本.pptVIP

第十三章 MATLAB优化算法案例分析与应用 第13章 基于PSO的寻优计算 第十三章 MATLAB优化算法案例分析与应用 13.1 基本粒子群算法 粒子群算法（PSO）是一种基于群体的随机优化技术。与其它基于群体的进化算法相比，它们均初始化为一组随机解，通过迭代搜寻最优解。不同的是：进化计算遵循适者生存原则，而PSO模拟社会。将每个可能产生的解表述为群中的一个微粒，每个微粒都具有自己的位置向量和速度向量，以及一个由目标函数决定的适应度。所有微粒在搜索空间中以一定速度飞行，通过追随当前搜索到的最优值来寻找全局最优值。 PSO模拟社会采用了以下三条简单规则对粒子个体进行操作：①飞离最近的个体，以避免碰撞。②飞向目标。③飞向群体的中心。这是粒子群算法的基本概念之一。 粒子群算法其基本思想是受许多鸟类的群体行为进行建模与仿真研究结果的启发。 第十三章 MATLAB优化算法案例分析与应用 13.1 基本粒子群算法 Frank Heppner的鸟类模型在反映群体行为方面与其它类模型有许多相同之处。由于鸟类用简单的规则确定自己的飞行方向与飞行速度（实质上，每只鸟都试图停在鸟群中而又不相互碰撞），当一只鸟飞离鸟群而飞向栖息地时，将导致它周围的其他鸟也飞向栖息地。这些鸟一旦发现栖息地，将降落在此，驱使更多