改進的pso算法的實現(xiàn)畢業(yè)論文(存儲版)
【正文】 數(shù)的維數(shù)funDim很容易實現(xiàn)調節(jié)。 double d = ((abs))*(x)。 } return sum。 double fitness。ifunDim。 if(fitness bestFitness)//因為求函數(shù)極大值 { bestFitness = fitness。 if(velocity[i] Vmax)velocity[i] = Vmax。 int funDim。i++) { particles[i] = new Particle()。 } public double[] getGlobalBestPosition() { return globalBestPosition。i++) { if(tempBestFitness particles[i].fitness) { tempBestFitness = particles[i].fitness。iPSONum。 for(int i=1。 for(int j=0。 } } }}。 (最好的位置是：)。 int funDim = ()。i++) { globalBestPosition[i] = particles[globalBestIndex].position[i]。 for(int i=1。 } //globalBestFitness = 88888。 for(int i=0。 double tempBestFitness。i++) { double rands = ()。 } void updateFitness() { Function fun = new Function()。 bestPosition = new double[funDim]。 double position[]。idim。為了減少粒子陷入到局部極大值的機會，我們可以通過添加入一些隨機因素、增加種群的多樣性、和其它算法相結合等手段去實現(xiàn)PSO算法。[500,500].該函數(shù)的圖形如下(當n=2時):從圖中可以看出，這個函數(shù)有很多局部極大值點。[pbixi(t)]+c2180。②個體具有記憶功能。PSO算法的實現(xiàn)從20世紀90年代初,就產生了模擬自然生物群體(swarm)行為的優(yōu)化技術。但與其它進化計算方法相比,PSO的主要特點為:①每一個體(稱為一個粒子)都被賦予了一個隨機速度并在整個問題空間中流動。rand180。Step 6: 如未達到結束條件(通常為足夠好的適應值或達到一個預設最大代數(shù)Gmax),則返回Step2.在這里，采用java語言來實現(xiàn)這個PSO算法，通過優(yōu)化下面
外語相關推薦
鄂ICP備17016276號-1