粒子群優(yōu)化算法預(yù)備知識-免費(fèi)閱讀
【正文】 若要投資少，則 ；若要收益大，則 。 ? 當(dāng)目標(biāo)函數(shù)不是數(shù)量函數(shù)而是向量函數(shù)時，稱之為多目標(biāo)函數(shù)，等等。 *x )*,( ?xN 0),*,( ??? ??xRx n N?)(*)( xx ff ? )(minR xnx f?? ?0*)*,( ??? xxxx ?N?nR?? *x *),*,( xxxRx n ??? ?N? )(*)( xx ff ?*x )(minR xnx f?*x*f最優(yōu)化算法的一般結(jié)構(gòu) ? 定理 （一階必要條件） 若 具有一階連續(xù)偏導(dǎo)數(shù)， 是最優(yōu)化問題 的局部極小值點(diǎn)（局部最優(yōu)解），則必有 ? 迭代法的基本思想是：首先給出 最優(yōu)解的一個初始估計點(diǎn)（稱為初始點(diǎn)） 然后按照某一迭代規(guī)則得到一個點(diǎn)列 ，使得當(dāng)該點(diǎn)列是有窮點(diǎn)列時，其最后一個點(diǎn)是最優(yōu)化問題 的最優(yōu)解；當(dāng)該點(diǎn)列是無窮點(diǎn)列時， 有極限點(diǎn)，且其極限點(diǎn)是該最優(yōu)化問題的最優(yōu)解。粒子群優(yōu)化算法 （ Particle Swarm Optimizer, PSO） 基于群智能方法的演化計算技術(shù) 預(yù)備知識 無約束最優(yōu)化問題 其中 ，通常稱變量 為決策變量 (decision variables)，稱 為目標(biāo)函數(shù) (objective function) 。如何得到迭代點(diǎn)列呢？即在得到點(diǎn) 后，如何確定點(diǎn) 。 最優(yōu)化問題舉例 ? 例 1曲線擬合問題 假設(shè)熱敏電阻 R是溫度的函數(shù)，函數(shù)關(guān)系如下 其中 是
高考資料相關(guān)推薦
鄂ICP備17016276號-1