粒子群算法优化不同维数的连续函数以及离散函数的最小值问题.docVIP

引言 2 一、问题描述 4 1.1 函数优化问题 4 1.2 粒子群算法基本原理 4 二、算法设计 7 2.1算法流程框图 7 2.2 算法实现 7 2.3 算法的构成要素 8 2.4 算法的改进 9 三、算例设计 11 3.1 测试函数介绍 11 3.2 优化函数特点 11 四、仿真实验设计 15 4.1 实验参数设计 15 4.2 基本粒子群算法在测试函数中应用 15 五、仿真实验结果分析 18 5.1 实验结果汇总 18 5.2 实验结果分析 18 六、总结与展望 20 6.1总结 20 6.2展望 20 附录一 21 附录二 23 引言 本文主要利用算法解决连续函数最值问题，PSO标准版本中非常重要的参数，可以用来控制算法的开发(exploitation)和探索(exploration)能力。惯性权重的大小决定了对粒子当前速度继承的多少。较大的惯性权重将使粒子具有较大的速度，从而有较强的探索能力； 较小的惯性权重将使粒子具有较强的开发能力。关于惯性权重的选择一般有常数和时变两种。算法的执行效果很大程度上取决于惯性权重的选取。 本文介绍了粒子群优化算法的基本原理，分析了其特点，并将其应用于函数优化问题求解。此外，本文根据惯性权重对粒子群优化算法性能影响的研究，提出了三种不同的惯性权重。通过仿真实验，验证了各自的收敛性．同时也说明了惯性权重在粒子群