改进粒子群算讲解材料.pptVIP

改进粒子群算法在V2G调度中的应用 介绍 各种算法比较 基本粒子群算法 改进的粒子群算法 下一阶段主要工作 1 几种常见优化算法优缺点 2 基本粒子群算法(PSO) 粒子群优化算法基本思想是受许多鸟类的群体行为进行建模与仿真研究结果的启发，其模型以及仿真算法主要是利用了生物学家Hepper的模型。PSO算法是一类随机全局搜索技术，通过粒子个体综合历史信息和社会信息发现复杂搜索空间中的最优区域。 2.1 算法基本思路 搜索空间D维，群体规模m， 第i个粒子的位置矢量 第i个粒子的飞行速度矢量 根据适应值函数计算每个粒子当前适应值衡量粒子的优劣，得到当前粒子最优位置为 整个粒子群迄今为止搜索到的最优位置（即 中的最优位置）为 2.1 算法基本思路 粒子根据以下公式更新速度和位置： 是惯性权重函数， 和 是学习因子，也称加速因子， 表示[0,1]之间的随机数。 惯性因子 大，则全局搜索能力强； 小，有利于局部搜索。 权重函数通常为 “惯性”或“动量”部分 “认知”部分 “社会”部分 2.2 算法过程 开始 初始化 计算每个个体的适应值 调整每个个体的速度位置 到达最大迭代次数 停止 否 是 3.1 算法缺点及改进方案 缺点：容易陷入局部最优值 改进方案：1、混合策略（引入模拟退火机制） 2、改进参数