规划数学 第12讲智能优化算法简介.ppt

粒子群算法简介 二、粒子群算法技术问题 粒子群算法的性能很大程度取决于算法的控制参数，粒子数、最大速度、学习因子、惯性权重等，各个参数的选取原则如下： 1 粒子数：粒子数的多少根据问题的复杂度自行决定。对于一般的优化问题取20至40个；对比较简单的问题10个粒子就可以；对于比较复杂的或特定的问题，粒子数可取100以上。 2 粒子的维度：由优化问题决定；为解的维度， 3 粒子的范围：由优化问题决定，每一维可设定不同的范围； 4 最大速度： 决定粒子在一个循环中最大的移动距离，通常设定为粒子的范围宽度； 5 学习因子：学习因子使粒子具有自我总结和向群体中优秀个体学习的能力，从而向群体内或邻域内最近点靠近，通常取为2，也可以相等，取值范围0到4。 6 惯性权重：决定了对粒子当前速度继承的多少，适合的选择可以使粒子具有均衡的探索能力和开发能力，惯性权重的取法一般有常数法、线性递减法、自适应法等 粒子群算法简介 三、粒子群算法的特点及应用领域 1 特点 （1）粒子群算法以决策变量的编码作为运算对象。　　 （2）粒子群算法直接以适应度作为搜索信息，无需导数等其它辅助信息。 （3）粒子群算法使用多个点的搜索信息，具有隐含并行性。 （4）粒子群算法使用概率搜索技术，而非确定性规则。 2 应用领域