微粒群算法研究与应用分析.docVIP

  • 3
  • 0
  • 约3.04千字
  • 约 6页
  • 2021-01-08 发布于福建
  • 举报
精品文档(可编辑) 值得下载 微粒群算法研究与应用分析 摘要:微粒群优化算法(PSO)是一种进化计算技术,通过微粒间的相互作用发现复杂搜索空间中的最优区域。本文介绍了微粒群算法的产生,标准微粒群算法及流程,算法参数.围绕微粒群算法的改进形式,算法的应用等方面对微粒群算法的研究现状进行综述。 关键词:进化计算 微粒群算法 微粒状态 微粒群算法是一种基于群体的、自适应的搜索优化方法,是在1995年由美国心理学家 James Kennedy和电气工程师Russell Eberhart共同提出的,其基本思想是受他们早期对鸟类群体行为研究结果的启发,并利用了生物学家 Frank Heppner 的生物群体模型。目前,微粒群算法已成功的应用于函数优化、约束优化、极大极小问题、多目标优化以及人工神经网络等问题中,与其他智能方法相结合来提高算法的性能,如结合遗传思想、模拟退火算法等。 一、标准微粒群算法 (一)算法流程 微粒群算法与其他进化算法相类似,其基本思想是:将所优化问题的每一个解称为一个微粒,每个微粒在n维搜索空间中以一定的速度飞行,通过适应度函数来衡量微粒的优劣,微粒根据自己的飞行经验以及其他微粒的飞行经验,来动态调整飞行速度,以期向群体中最好微粒位置飞行,从而使所优化问题得到最优解。 微粒群算法的具体实现步骤如下:第一步:初始化一群微粒,

文档评论(0)

1亿VIP精品文档

相关文档