MATLAB课程设计报告.pdfVIP

华 东 交 通 大 学 MATLAB程序设计报告书 课题名称 ：基于 MATLAB的粒子群优化算法的实现 姓 名： 学 号： 20160280800014 专 业：控制科学与工程 2016 年 11 月 20 日 基于 MATLAB的粒子群优化算法的实现 一、课程选题目的 本次课程设计的课题为《基于 MATLAB 的粒子群优化算法的实现》 ，主要为学会运用 MATLAB 对实际算法编程， 加深对粒子群优化算法的理解， 并为今后熟练使用 MA TLAB 进 行系统的分析仿真和设计奠定基础。 数值计算分析可以帮助更深入地理解理论知识， 并为将 来使用 MA TLAB 进行各领域数值分析分析和实际应用打下基础。 此次课程主要是为了进一步熟悉对 MATLAB 软件的使用， 以及学会利用 MA TLAB 对 数值运算这种实际问题进行处理，将理论应用于实际，加深对它的理解。 二、粒子群优化算法原理 优化是科学研究、 工程技术和经济管理等领域的重要研究工具。 它所研究的问题是讨论 在众多的方案中寻找最优方案。 例如， 工程设计中怎样选择设计参数， 使设计方案既满足设 计要求又能降低成本； 资源分配中， 怎样分配有限资源， 使分配方案既能满足各方面的基本 要求，又能获得好的经济效益。在人类活动的各个领域中，诸如此类，不胜枚举。优化这一 技术， 正是为这些问题的解决， 提供理论基础和求解方法，它是一门应用广泛、实用性很强 的科学。 近十余年来， 粒子群优化算法作为群体智能算法的一个重要分支得到了广泛深入的 研究，在路径规划等许多领域都有应用。 2.1 粒子群优化算法的起源 粒子群优化（ PSO）算法是由 Kennedy 和 Eberhart 于 1995 年用计算机模拟鸟群觅食这 一简单的社会行为时，受到启发，简化之后而提出的。 设想这样一个场景： 一群鸟随机的分布在一个区域中， 在这个区域里只有一块食物。 所 有的鸟都不知道食物在哪里。 但是他们知道当前的位置离食物还有多远。 那么找到食物的最 优策略是什么呢。 最简单有效的方法就是追寻自己视野中目前离食物最近的鸟。 如果把食物 当作最优点， 而把鸟离食物的距离当作函数的适应度， 那么鸟寻觅食物的过程就可以当作一 个函数寻优的过程。 鱼群和鸟群的社会行为一直引起科学家的兴趣。 他们以特殊的方式移动、 同步，不会相互碰撞，整体行为看上去非常优美。生物学家 CargiReynolds 提出了一个非常 有影响的鸟群聚集模型。在他的模拟模型 boids 中，每一个个体遵循：避免与邻域个体相冲 撞、匹配邻域个体的速度、 试图飞向感知到的鸟群中心这三条规则形成简单的非集中控制算 法驱动鸟群的聚集， 在一系列模拟实验中突现出了非常接近现实鸟群聚集行为的现象。 该结 果显示了在空中回旋的鸟组成轮廓清晰的群体， 以及遇到障碍物时鸟群的分裂和再度汇合过 程。由此受到启发，经过简化提出了粒子群优化算法。 2.2 粒子群优化算法的原理 在粒子群优化算法中， 每个优化问题的潜在解都是搜索空间中的一只鸟， 称之为 “粒子”。 所有的粒子都有一个由被优化的函数决定的适应值， 每个粒子还有一个速度决定他们