- 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
改进的粒子群优化算法及其应用.pdf
核动力工程
2 006年10月 NuclearPower
Engineering
改进的粒子群优化算法及其应用
唐昕,于建华
(四川大学建筑与环境学院.成都,loocss)
摘要:粒子群优化算法是一种基于群智能的进化计算技术。其缺点是容易收敛到局部最优点,收敛精度
低。本文提出了一种改进算法,并用2个测试函数和2个算例表明,改进的算法在收敛的有效性和快速性等
方面都优于基本的粒子群优化算法。
关麓词:粒子群;优化;碰撞
1 引言 式中。学习因子cl和c2是非负常数;,.1和,2是介
粒子群优化0so)算法是新兴的一种基于群
于[o,1】之间的随机数;’,埘∈卜v一,v一】;
智能的进化计算技术。其优点是设置参数少,收 Vm。x是常数,用来减小在搜索过程中粒子离开搜
敛速度快,简单容易实现,有更强的全局优化能 索空间的可能,若在迭代中粒子的位置和速度超
力,不要求目标函数和约束条件可微,不要求是 出了对其限定的范围,则取边界值;w≥0,为惯
否为凸规划问题,有较大的概率求得全局最优解。 性权值。
其缺点是容易收敛到局部最优点,收敛精度低, 2.2 Shi和Eberhart对算法的改进
不容易收敛等。目前,PSO算法在函数优化、神
经网络训练、模式分类、模糊系统控制以及其他 优化性能的影响,发现较大的权值有利于跳出局
工程领域都得到了广泛的应用。 部最小值,而较小的权值有利于算法的收敛,提
出了一种根据算法迭代次数使惯性权值线性递减
2粒子群优化算法
的方法。算法在初期使用较大的惯性权值,具有
2.1基本算法
较强的全局搜索能力,后期使用较小的惯性权值,
1995年,Eberhant和Kennedy[q通过对生物
提高局部搜索能力。惯性权值的计算公式如下
群体(鸟群、鱼群和人类社会)的观察和研究发现, ,, 、
一r
w=(wi—w,)×∑旦型垡—丝型+W,(2)
。
生物群体内个体间的合作与竞争等复杂行为产生 ‘‘ 一
』脚,MA)(
的群体智能往往为某些特定的问题提供高效的解
式中,wl和w2是惯性权值的初始值和最终值,
决方法,基于此提出了PSO算法。
k,娘A和k分别为算法最大迭代次数和当前迭
在—个D维的目标搜索空间中,由玎个粒子
代数。该方法在一定程度上提高了算法的性能。
组成—个群落,其中第f个粒子表示—个D维向
PSO算法和其他优化算法的结合是现在粒子
量写=“。,勃,..·,%),将写带入目标函数
文档评论(0)