现代优化算法-粒子群算法.pptVIP

五. 计算举例（2） 简单分析： Rosenbrock是一个著名的测试函数，也叫香蕉函数，其特点是该函数虽然是单峰函数，在[100，100]n上只有一个全局极小点，但它在全局极小点临近的狭长区域内取值变化极为缓慢，常用于评价算法的搜索性能。这种实优化问题非常适合于使用粒子群优化算法来求解。这里使用标准版本的算法来求解，算法的相关设计分析如下： 五. 计算举例（3） 编码：因为问题的维数为5，所以每个粒子为5维的实数向量。 初始化范围：根据问题要求，设定为[-30，30]。根据前面的参数分析，我们知道，可以将最大速度设定为Vmax=60。 种群大小：为了说明方便，这里采用一个较小的种群规模，m=5。 停止准则：设定为最大迭代次数100次。 惯性权重：采用固定权重0.5。 邻域拓扑结构：使用星形拓扑结构，即全局版本的粒子群优化算法。 一次迭代后的结果： 五. 计算举例（4） 从上面的数据我们可以看到，粒子有的分量跑出了初始化范围。需要说明的是，在这种情况下，我们一般不强行将粒子重新拉回到初始化空间，即使初始化空间也是粒子的约束空间。因为，即使粒子跑出初始化空间，随着迭代的进行，如果在初始化空间内有更好的解存在，那么粒子也可以自行返回到初始化空间。 有研究表明，即使将初始化空间不设定为问题的约束空间，即问题的最优解不在初始化空间内，粒子也可能找到最优解。