- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
粒子群算法学习报告
粒子群算法M也被称为群体规模,m的值过大会影响算法的运行速度和收敛性。 设zi zi1,zi2,…ziD 为第i个粒子的空间位置,根据适应度函数计算出zi当前的适应度,即可衡量粒子位置的优劣;vi (vi1,vi2,…viD)表示i粒子在D维空间内的飞行速度;pi (pi1,pi2,…piD)表示i粒子到目前为止搜索到的最优解;pg (pg1,pg2,…pgD)表示整个群体到目前为止搜索到的最优解。 每次迭代,粒子根据下面的公式更新速度:
其中,i 1,2,…,m,d 1,2,…D,k是迭代次数,r1和r2为[0,1]之间的随机数;w是保持原来速度的系数,所以叫做惯性权重;c粒子跟踪自己历史最优值的权重系数,它表示粒子自身的认识,所以叫“认知”。通常设置为2。c是粒子跟踪群体最优值的权重系数,它表示粒子对整个群体知识的认识,所以叫做“社会知识”,经常叫做“社会”。通常设置为2。r是对位置更新的时候,在速度前面加的一个系数,这个系数我们叫做约束因子。通常设置为1。
粒子群算法的流程…,ziD),i 1,2,…,m
测量每个粒子的适应度fitness
pi fitness
根据fitness min(fitness1,fitness2,…,fitnessm)找出最优解pg;
K 0
1 K→k+1
根据速度更新公式更新vi
根据位置更新公式更新zi
测量zi的适应度,表示为fitnessi
更新pi和pg
如果k Nmax,跳到步骤1
结束
简化流程图为
二 粒子群算法的应用
粒子群算法作为新型的群体智能算法,自从提出之后,由于其概念简明,实现方便。在短期内迅速被应用到了计算研究的各个领域,同时由于其能很好的解决复杂组合优化问题,也被广泛应用与工程设计与优化电力系统,机器人控制,交通运输,通讯,计算机,工业生产以及生物医学和电磁学等领域。
在工程设计与优化方面,粒子群算法也被应用于神经网络进化,模糊神经元网络规则提取,电路设计,数字滤波器设计,半导体器件,布局优化,控制器参数优化以及系统辨识与状态评估等。
电力系统领域
粒子群算法被用于实现电能优化电压控制,提高电站可靠性以及电容器优化配置问题等。
计算机领域
粒子群算法被用于任务分配,模式识别,图像处理以及数据挖掘等方面。
生物医学领域
粒子群算法被用于生物医学图像配准或图像数据的集合排列,基因分类等问题。
机器人控制
在机器人控制中,粒子群算法被用于机器人震动抑制轨迹规划以及动态规划问题。
三 粒子群算法Matlab实例
此例子为计算一个40个十维的粒子在空间任意的移动,得到在每个位置里fitness的值,经过1000次迭代得到求得到的最小值。
fitness函数
function result fitness x,D
sum 0;
for i 1:D sum sum+x i ^2;
end
result sum;
主函数
clear all;
clc;
format long;
c1 1.4962;
c2 1.4962;
w 0.7298; MaxDT 1000;
D 10; N 40; eps 10^ -6 ;
for i 1:N for j 1:D x i,j randn; v i,j randn; end
end
for i 1:N p i fitness x i,: ,D ; y i,: x i,: ;
end
pg x 1,: ;
for i 2:N if fitness x i,: ,D fitness pg,D pg x i,: ; end
end
for t 1:MaxDT for i 1:N v i,: w*v i,: +c1*rand* y i,: -x i,: +c2*rand* pg-x i,: ; x i,: x i,: +v i,: ; if fitness x i,: ,D p i p i fitness x i,: ,D ; y i,: x i,: ; end if p i fitness pg,D pg y i,: ; end end pbest t fitness pg,D ;
end
Solution pg' ;
Rwsult fitness pg,D ;
开始
初始化
计算每个个体的适应度
调整每个个体的速度位置
最大迭代次数
结束
文档评论(0)