第一讲PSO搜索策略分析.pptVIP

ASPSO与已有经典模型的性能比较 * * ASPSO与已有经典模型的性能比较 * * 结论 ASPSO在大多数函数上的性能都超过已有模型 从收敛速度和最终解的精度上都有所提高 相对标准PSO来说没有增加任何计算量 参数设置的指导准则方便用户使用 * * 目录 粒子群算法（PSO）简介 已有的对PSO搜索行为的分析 对PSO“探索”和“开发”的定义 对PSO搜索策略的理论分析 分阶段设置参数的PSO使用策略实验 总结 * * 总结 PSO的搜索特性反映在其种群的“探索”和“开发”能力的权衡上 我们首次数学化的定义了粒子的“探索”和“开发”能力，并验证了定义的合理性和实用性 利用上述定义，我们分析了PSO中w-c的收敛区域，并理论上分析了PSO的搜索过程的阶段性特征 提出了设置w-c的有效的指导准则：ASPSO * * * * * * * 开发概率P(ita)和探索概率的计算 开发概率P(ita)和探索概率的计算 PSO优化过程记录 * * W线性下降的PSO模型和标准PSO模型求解Sphere函数的P(ita)序列 优化Sphere函数时的平均的P(ita)序列，c = c1 = c2。 * * 优化Sphere函数时的平均的P(ita)序列，c = c1 = c2。(续) * * More Test Funcs for LDWPSO (PSO1) and SPSO (PSO2)