浅析PSO算法及其应用研究.docxVIP

个人收集整理 仅供参考学习 个人收集整理 仅供参考学习 PAGE PAGE # / 10 浅析PSO算法及其应用研究-农学论文 浅析PSO算法及其应用研究 郭 梅 (石河子大学机械电气工程学院，新疆 石河子 832003 ) 收稿日期：20 15 — 10 — 12 摘要：随着计算机应用技术地快速发展，智能算法在工程设计规划领域地重 要性不言而喻?本文将PSO算法与工程数学、机构设计优化相结合，通过对PSO 算法地初始化参数设置和适应度函数地选取进行全局最优解地求取 ?结果表明， PSO算法能够快速准确进行复杂工程设计问题地求解 ? 关键词：PSO算法；工程数学；机构优化设计 当前工程设计技术快速发展，传统地优化设计方法在解决线性规划、非线性 规划、整数规划、几何规划和动态规划问题中，因其建模难度大、数学模型描述 能力低、误差大，其求解能力有限、难以处理复杂和形态不好地问题，难以求得 全局最优解，因此可将计算机智能算法应用到工程规划设计和其他各领域地优化 求解过程中? 粒子群算法(Particle Swarm Optimization ，PSO)作为一种崭新地随机 搜索算法，目前已开始应用于诸多领域，比如化工系统、电力系统、生产调度和 机械设计等方面，其在多目标、约束和动态等问题优化上地研究已逐渐被人们重 视?如龚松建等［1］利用PSO算法结合最小二乘支持向量机(LS - SVM )对未来1 h风速进行预测，模型地预测精度较高、运算速度快.李小为等［2］以六自由度机 械臂地运动学正逆解为前提，为使其在不同速度约束下均能够以最短时间运行， 提出了 PSO优化速度约束下地时间最优3 - 5 - 3多项式插值轨迹规划方法.同时 PSO算法通用性强、所需调整地参数少、容易实现、收敛速度快，能够满足复 杂工程设计要求. 本文通过对PSO算法地研究，在标准PSO算法地基础上采用惯性权重模型 提高了算法地全局搜索能力?以工程数学和机构优化设计为例，采用PSO优化算 法进行全局最优解地求取，求解结果准确快速? PSO算法简介 PSO算法是由Kennedy和Eberhart共同开发［3］，起源于对鸟群地捕食 行为研究，根据群体中个体信息共享使得群体运动在问题求解空间中由无序变得 有序，获取全局最优解?其具体步骤如下：（1）初始化粒子群中各微粒地速度、 位置、加速常数、最大迭代次数、惯性因子和算法终止地最小允许误差 .如果当 前搜索空间为d维，则每个微粒中包含d个变量，并将各微粒当前历史最优位 置Pbest设置为初始位置，取群体全局最优位置为 gbest中最优值.（2）计算 各微粒地适应度，将最佳适应值作为当前地全局最优值， 并将最佳适应值对应地 位置作为全局最优值所在地位置.（3）更新每个粒子当前地飞翔速度，并约束每 个微粒地飞翔速度，使其不能超出所设定地最大飞翔速度值 ?（ 4）更新每个粒子 当前所在地位置，比较当前每个粒子地适应值是否比历史局部最优值好， 如果好， 则将当前粒子地适应值即为局部最优值，其对应地位置作为每个粒子群地局部最 优值所在地位置?同时在当前群中找出全局最优值，并将此时全局最优值对应地 位置定为群体全局最优值所在位置.（5 ）重复步骤3 ~ 4，直到满足预先设定地 最小允许误差或最大迭代次数.（6）输出粒子群全局最优值和其对应地位置以及 每个粒子地局部最优值和其对应地位置. PSO算法地参数选取与算法改进 在基本粒子群算法中，粒子数m、最大飞翔速度vmax、惯性因子co和加速 常数cl与c2等几个参数对算法寻优性能地影响非常显著，因此通常采用对这 些参数地调节来改进PSO算法. 粒子数m地取值一般为20?40.经大量试验结果表明，粒子数越多，其搜 索范围越大，越容易找到全局最优解，然而算法运行地时间也越长 .对于多数问 题，粒子数定为30即可，但相对于特殊问题粒子数需 100?200. 对于简单地问题，一般情况下加速常数 cl = c2 = 2.0.目前对于加速 常数cl和c2地确切取值，各学者观点并不完全相同，表 1所列是几位主要研 究学者给出地参考值[4].c1与c2常被用来调整个体经验和社会经验在粒子运动 过程中地作用权重，如果cl = 0，c2工0，则粒子没有自身经验，只有社会经 验，对于相对复杂问题，求解过程陷入局部最优地可能性较大.如果cl工Gb2,= 0，则粒子群只有自身经验，没有社会经验，由于各微粒之间没有实现信息地共 享，粒子群m地搜索行为相当于m个单个粒子在单独运行，因此获取最优解地 概率非常低.如果cl = c2 = 0，则粒子将一直无序地飞往边界，因此只能搜索有 限区域，很难找到最优结果. Cla岂 ie严5#2心＞ (jrlijLk ?| ? 2L■勺宴 13 Tidns u = =c