畢業(yè)設(shè)計論文—粒子群優(yōu)化算法的實(shí)證分析研究-免費(fèi)閱讀
【正文】 這些結(jié)果還闡釋了粒子群優(yōu)化算法由于線性下降的慣性 權(quán) 重的原因，在運(yùn)行結(jié)束時可能會缺乏全 局 搜索的能力。圖表 13到圖表 16展示了概述為 Griewank函數(shù)的四種不同種群大小的結(jié)果。為了調(diào)查粒子群優(yōu)化算法是否 縮放 得好，不同的種群大小已經(jīng)為每個具有不同維 數(shù) 的函數(shù)所使用。在文獻(xiàn)【 15】中，這個實(shí)驗(yàn)報告表明，大體來講，粒子群優(yōu)化算法具有快速 收斂 的能力卻沒有快速調(diào)整的能力，然而進(jìn)化編程算法恰好相反。經(jīng)過粒子群優(yōu)化算法運(yùn)行的路程，通過線性下降慣性 權(quán) 重從一個相對大的值到一個小的值，可以得知，粒子群優(yōu)化算法趨向于接近運(yùn)行的開始時有更 強(qiáng) 的全 局 搜索能力，而越接近運(yùn)行的末尾時有更 強(qiáng) 的 局部 搜索能力。換句話說，在每個產(chǎn)生中，每個粒子在粒子群優(yōu)化算法中只能向有限的方向飛行，并期待朝著更好領(lǐng)域的方向飛行。這些粒子是根據(jù)下列的 公 式來操作的。 1 引言 在 種群 中經(jīng)過合作與競爭，基 于 種群 的的最佳方法常常能充分有效地找出很好的解決方法。這個實(shí)驗(yàn)的結(jié)果證 實(shí) 了粒子群優(yōu)化算法的利與弊。每個個體在三維探索空間中被當(dāng)做一個體積較小的粒子（一個點(diǎn)）代表 第 i粒子。粒子群優(yōu)化算法是唯一不完成密合度測試幸存的進(jìn)化算法 [9]. 由于想到 公 式 (1b)與 遺傳 算法類似，很顯然，粒子群優(yōu)化算法也跟進(jìn)化 演變 的算法相似。在粒子群優(yōu)化算法中，一個稱慣性 權(quán)重 的參數(shù)研究被引進(jìn)平衡的全 局 搜索和 局部 搜索時， 公 式就會變化為 : 在這里 w指慣性 權(quán) 重【 13， 14】。 這個已經(jīng)被運(yùn)用的進(jìn)化編程算法最初的一個被寫為 公 式（ 1a）和 (1b)。表格 1列出了四個函數(shù)的初始化范圍。在表 3， 小數(shù) 被記錄后，由于只四種數(shù)字，所以這里展示的值也是零，在圖表可以看到。從那些圖標(biāo)，也清楚地表明粒子群優(yōu)化算法的不同種群大
公司管理相關(guān)推薦
鄂ICP備17016276號-1