粒子群算法的研究及应用讲解.ppt

Company Logo LOGO 粒子群算法的研究及应用 姓 名：* * * 导 师：** 教授 专 业：******** 提纲 第一部分：课题研究的背景与意义 第二部分：粒子群算法理论基础 第三部分：基于改进雁群PSO的移动机器人路径规划 第四部分：改进PSO算法在旅行商问题中的应用 第五部分：结论 一、课题研究背景与意义 快递怎么送？ 一、课题研究背景与意义 优化问题一般是指在一定约束条件下可以让问题的某一些指标取得最大值或最小值的情况。 传统方法：牛顿法、共轭梯度法、模式搜索法等 群智能算法：粒子群算法、蚁群算法、鱼群算法等。 非群智能算法：遗传算法、模拟退火算法、人工神经网络算法等。 智能算法： 一、课题研究背景与意义 1、理论研究：收敛性分析、数理基础方面。 2、改进研究：二进制PSO、惯性权重、混合优 化算法等。 3、应用研究：函数优化、物流配送选址、数据 挖掘、聚类分析等。 核心思想：粒子群算法中每个粒子都可以看作目标函数的一个可行解，每个粒子下一次的运动都要受到粒子本身的历史最优解和整个种群的全局最优解影响。 二、粒子群算法理论基础 个体经验 群体经验 群体趋优 每个粒子的进化方向 二、粒子群算法理论基础 粒子群算法的数学表达式： 标准粒子群算法 二、粒子群算法理论基础 1.线性惯性权重 2.随机惯性权重 3.基于正切函数的惯性权重 三、基于改进雁群PSO的移动机器人路径规划 生物学家发现，群雁结伴飞行比孤雁飞行距离增加70%以上，头雁通过扇动翅膀产生的尾涡可以降低后面大雁的飞行阻力，一般头雁由雁群中身体最好个体担当。 雁群启示： 雁群PSO算法的粒子位置更新公式： 1、随机产生一个n维向量 每维分量 数值在0到1之间。 2、用Logistic混沌映射方程 , 迭代得到N个元素的混沌序列 3、将 的每维分量从混沌区间[0,1]映射到变量 取值空间[a，b] 4、计算所得N个粒子的适应度值，从中选取m个最 优的粒子作为雁群PSO算法种群的初始粒子。 三、基于改进雁群PSO的移动机器人路径规划 对雁群PSO进行混沌初始化 1. 将算法中最优粒子的每维分量映射到logistic 方程的定义域[0, 1] 2. 通过logistic方程产生新的混沌序列，并把该 序列逆映射到粒子的取值空间。 3. 计算每个混沌粒子的适应度值，把适应度值最 好且与障碍物不相交的粒子记录下来。 4. 以最好的混沌粒子取代当前雁群PSO中任意一粒 子，使得算法可以跳出局部最优值。 三、基于改进雁群PSO的移动机器人路径规划 对雁群PSO早熟粒子进行混沌处理 三、基于改进雁群PSO的移动机器人路径规划 表征粒子群的进化速度，前大后小 表征粒子的聚集程度，小散大聚 动态自适应调整权重值 一种新的自适应惯性权重 1、粒子聚合度 2、粒子收敛度 3、新的自适应惯性权重 新型惯性权重公式有效性实验: 改进的雁群PSO与其他PSO算法进行仿真实验: Ackley函数测试三种PSO算法的20次实验数据分析 三、基于改进雁群PSO的移动机器人路径规划 算法 最大值 最小值 平均值 标准差 PSO GPSO CGPSO 2.1747e-005 5.6976e-007 7.1064e-009 2.8122e-006 5.7614e-008 2.5692e-010 8.4849e-006 2.4055e-007 2.8439e-009 1.3652e-004 0.9046e-004 5.3328e-005 表3-8 Ackley函数对3种PSO算法的测试结果 环境建模 三、基于改进雁群PSO的移动机器人路径规划 机器人在有限平面空间运动，空间分布已知形状和大小的障碍物。为了将机器人看成一个质点方便路径规划，所有障碍物按机器人最大尺寸一半进行膨胀。移动机器人全局路径规划就是在一个已知障碍物环境中，寻找一条从起点到终点的无碰最短路径 三、基于改进雁群PSO的移动机器人路径规划 搜索策略 机器人根据自身传感器探测半径确定圆，并均匀的分成圆心角相同的n个区域 ，任一区域的心角的度数相等。机器人每步从一个区域开始搜索，如果可以搜索到合适的路径则同意机器人移动，否则进入下一个区域。 三、基于改进雁群PSO的移动机器人路径规划 基于PSO算法的路径规划 基于雁群PSO算法的路径规划 基于改进雁群PSO算法的路径