第七章粒子群優(yōu)化算法(存儲版)
【正文】 差別，至少有一個 明顯的因素：碰撞（ collision）。引入 Vmax的原因： ? 防止溢出 ? 保證算法穩(wěn)定 二 .基本算法 17 2. 基本 PSO的公式 ? 粒子群的拓撲結(jié)構(gòu)決定個體間的相互影響程度 ? PSO的全局版本將整個群體看作是一個全連通圖，群體內(nèi)所有個體共享一個鄰域最優(yōu) gbest ? PSO的局部版本中每個個體的鄰域?qū)⑹钦麄€群體的一個子集，此時影響個體的 gbest取決于具體的拓撲結(jié)構(gòu)，一種簡單的方法是群體內(nèi)粒子根據(jù)其編號相鄰的原則組成一個環(huán)狀結(jié)構(gòu) 二 .基本算法 18 3. 基本 PSO算法流程圖 二 .基本算法 begin initialize and evaluate a swarm of particles with random positions and velocities on D dimensions in the search space。 ? 分析和實驗表明，設(shè)定 Vmax的作用可以通過慣性權(quán)重的調(diào)整來實現(xiàn)。 ? 停止準則：設(shè)定為最大迭代次數(shù) 100次。固定的慣性權(quán)重使粒子在飛行中始終具有相同的探索和開發(fā)能力。例如可以取值如下： ? 其中， Random為 0到 1之間的隨機數(shù)。 四 .PSO的改進與變形 37 四 .PSO的改進與變形 對將要計算鄰域的粒子 i，計算其與種群中其他所有粒子的距離。這種設(shè)置的目的是在優(yōu)化初期加強全局搜索，而在搜索后期促使粒子收斂于全局最優(yōu)解。 42 1. 收斂很快的算法 2. 解決約束優(yōu)化問題時，如何處理飛出約束域的粒子是個關(guān)鍵 3. 較為適用于求解實優(yōu)化問題 五 .學習 PSO的幾點體會 。但是發(fā)現(xiàn)，這種設(shè)置下，解的質(zhì)量反而下降。 ? 一種動態(tài)鄰域拓撲結(jié)構(gòu)：在搜索開始的時候，粒子的鄰域只有其自己，即將個體最優(yōu)解作為鄰域最優(yōu)解，然后隨著迭代次數(shù)的增加，逐漸增大鄰域，直至最后將群體中所有粒子作為自己的鄰域成員。設(shè)慣性權(quán)重的取值范圍為： 最大迭代次數(shù)為 Iter_max，則第 i次迭代時的慣性權(quán)重可以取為： 四 .PSO的改進與變形 m a xm in ,??????m a x m inm a x_ m a xi iI te r???? ? ???32 1. 慣性權(quán)重 ? 模糊權(quán)重 ? 模糊權(quán)重是使用模糊系統(tǒng)來動態(tài)調(diào)節(jié)慣性權(quán)重。 ? 有研究表明，即使將初始化空間不設(shè)定為問題的約束空間，即問題的最優(yōu)解不在初始化空間內(nèi)，粒子也可能找到最優(yōu)解。根據(jù)前面的參數(shù)分析，我們知道，可以將最大速度設(shè)定為 Vmax=60。 endfor until a stop condition is met end 19 1. 帶有慣性權(quán)重的 PSO ? 為改善算法收斂性能， Shi和 Eberhart在 1998年的論文中引入了慣性權(quán)重的概念，將速度更新方程修改為： 三 .標準 PSO 12( ) ( )i d i d i d i d g d i dv v c p x c p x? ? ?? ? ? ? ?(3) 20 1. 帶有慣性權(quán)重的 PSO ? 這里， w稱為慣性權(quán)重，其大小決定了對粒子當前速度繼承的多少，合適的選擇可以使粒子具有均衡的探索和開發(fā)能力。通常等于 2。人類調(diào)節(jié) 的不僅是物理運動，還包括認知和經(jīng)驗。1 第七章 粒子群優(yōu)化算法 2 第七章 粒子群優(yōu)化算法 一 .前言 二 .基本算法 三 .標準算法 四 .PSO的改進與變形 五 .學習 PSO的幾點體會 3 1. PSO的產(chǎn)生 ? Particle Swarm Optimization(PSO)，粒
教學課件相關(guān)推薦
鄂ICP備17016276號-1