蚁群和粒子群算法.pptVIP

下载本文档

5
0
约小于1千字
约 46页
2019-08-03 发布于福建
举报
版权申诉

蚁群和粒子群算法.ppt

1、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。。
2、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。
3、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)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第7讲粒子群算法;群体智能（Swarm Intelligence）;Swarm Intelligence;蚁群算法;蚁群算法(续);A;A;A;生物社会学家E.O.Wilson指出：“至少从理论上，在搜索食物过程中群体中个体成员可以得益于所有其他成员的发现和先前的经历。当食物源不可预测地零星分布时，这种协作带来的优势是决定性的，远大于对食物的竞争带来的劣势。”;;;避免碰撞速度匹配中心聚集;鸟群觅食模型;社会型行为的模拟;认知行为;社会行为;Randomly searching foods; 粒子群算法(particle swarm optimization，PSO)由Kennedy和Eberhart在2019年提出，该算法模拟鸟集群飞行觅食的行为，鸟之间通过集体的协作使群体达到最优目的，是一种基于Swarm Intelligence的优化方法。同遗传算法类似，也是一种基于群体叠代的，但并没有遗传算法用的交叉以及变异，而是粒子在解空间追随最优的粒子进行搜索。PSO的优势在于简单容易实现同时又有深刻???智能背景，既适合科学研究，又特别适合工程应用，并且没有许多参数需要调整。 ;Russ Eberhart;;粒子群特性;起源;粒子群的概念视为一个简单的社会系统每只个体被视为一个解答，称之为粒子(Particle) 每个粒子经由适应函数的衡量而具有一个适应値 ;基本PSO算法(续);基本PSO算法(续);基本PSO算法(续);PSO算法;局部最优解;算法流程;参数选择;PSO与遗传算法的比较;;;;;;Rastrigin Function;Rastrigin Function;Rastrigin Function;Rastrigin Function;Rastrigin Function;Rastrigin Function;Rastrigin Function;Particle Swarm研究热点;应用实例;END