改進(jìn)的pso算法的實(shí)現(xiàn)畢業(yè)論文-wenkub
2023-07-12 14:50:22 本頁面
【正文】 )來演示PSO算法：max 其中xi206。Step 2: 評價每個粒子的適應(yīng)度。rand180。PSO初始化為一群隨機(jī)粒子(隨機(jī)解)，然后通過迭代找到最優(yōu)解。但與其它進(jìn)化計(jì)算方法相比,PSO的主要特點(diǎn)為:①每一個體(稱為一個粒子)都被賦予了一個隨機(jī)速度并在整個問題空間中流動。這些研究可以稱為群體智能(swarm intelligence)。PSO算法的實(shí)現(xiàn)從20世紀(jì)90年代初,就產(chǎn)生了模擬自然生物群體(swarm)行為的優(yōu)化技術(shù)。通常單個自然生物并不是智能的,但是整個生物群體卻表現(xiàn)出處理復(fù)雜問題的能力,群體智能就是這些團(tuán)體行為在人工智能問題中的應(yīng)用。②個體具有記憶功能。在每一次迭代中,粒子通過跟蹤兩個“極值”來更新自己，另一個極值是整個種群目前找到的最優(yōu)解,這個極值是全局極值gb。[pbixi(t)]+c2180。Step 3: 對每個粒子,將其適應(yīng)值與其經(jīng)歷過的最好位置pbest作比較,如果較好,則將其作為當(dāng)前的最好位置pbest。[500,500].該函數(shù)的圖形如下(當(dāng)n=2時):從圖中可以看出，這個函數(shù)有很多局部極大值點(diǎn)。通過實(shí)驗(yàn)發(fā)現(xiàn)PSO的收斂較快，所以將迭代次數(shù)searchTime取為1000是足夠大的。為了減少粒子陷入到局部極大值的機(jī)會，我們可以通過添加入一些隨機(jī)因素、增加種群的多樣性、和其它算法相結(jié)合等手段去實(shí)現(xiàn)PSO算法。 } private static final int dim = 2。idim。 static final double weight = 。 double position[]。 int funDim。 bestPosition = new double[funDim]。 position[i] = bestPosition[i] = ()。 } void updateFitness() { Function fun = new Function()。ifunDim。i++) { double rands = ()。 position[i] += velocity[i]。 double tempBestFitness。 int globalBestIndex。 for(int i=0。 globalBestPosition = new double[funDim]。 } //globalBestFitness = 88888。iPSONum。 for(int i=1。 } } if(tempBestFitness globalBestFitness) { globalBestFitness = tempBestFitness。i++) { globalB
外語相關(guān)推薦
鄂ICP備17016276號-1