第七章粒子群優(yōu)化算法-文庫吧在線文庫
【正文】 子群優(yōu)化或者微粒群優(yōu)化 ? PSO算法由美國學者 Kennedy （社會心理學家）和 Eberhart（電機工程師） 于 1995年提出，通過模擬鳥群和魚群的社會交互行為而不僅僅依賴個體認知行為而設(shè)計的一種智能優(yōu)化方法 一 .前言 4 1. PSO的產(chǎn)生 ? 2020年以后， PSO算法在國際上逐步被接受，并有大批不同領(lǐng)域的學者投入該算法相關(guān)研究，已經(jīng)成為智能優(yōu)化領(lǐng)域研究的熱門算法 ? 2020年， 《 控制與決策 》 第二期刊登國內(nèi)第一篇綜述性文章 一 .前言 5 2. PSO的基本思想 ? 對社會行為的模擬 ? 對鳥群行為的模擬： Reynolds和 Heppner，Grenander在 1987年和 1990年發(fā)表的論文中都關(guān)注了鳥群群體行動中蘊涵的美學。 一 .前言 7 2. PSO的基本思想 ? 對社會行為的模擬 ? 對人類的社會行為的模擬： a. 與前者不同，最大區(qū)別在于抽象性！ b. 鳥類和魚類是調(diào)節(jié)他們的物理運動，來避免天敵， 尋找食物，優(yōu)化環(huán)境的參數(shù)，比如溫度等。學習因子使粒子具有自我總結(jié)和向群體中優(yōu)秀個體學習的能力，從而向自己的歷史最優(yōu)點以及群體內(nèi)或鄰域內(nèi)的歷史最優(yōu)點靠近。 update pbest of particle i。 ? 初始化范圍：根據(jù)問題要求，設(shè)定為 [30， 30]。因為，即使粒子跑出初始化空間，隨著迭代的進行，如果在初始化空間內(nèi)有更好的解存在，那么粒子也可以自行返回到初始化空間。可以通過時變權(quán)重的設(shè)置來實現(xiàn)。 四 .PSO的改進與變形 36 2. 鄰域拓撲結(jié)構(gòu) ? 基于距離的拓撲結(jié)構(gòu) ? 基于距離的拓撲結(jié)構(gòu)是在每次迭代時，計算一個粒子與種群中其他粒子之間的距離，然后根據(jù)這些距離來確定該粒子的鄰域構(gòu)成。特別地， Sug ant han 在實驗中將參數(shù)設(shè)置為： cm a x=3 ， cm i n=0 . 25 。 Ra t na weer a 等在研究中發(fā)現(xiàn)，對于大多數(shù) bench m ark s 如下設(shè)置優(yōu)化效果較好： c1 i=2 .5 , c1 f= 0. 5 , c2 i= , c2 f= 需要說明的是， 異步時變的學習因子應與線性減小的時變權(quán)重配合使用，效果較好。這種想法可以通過隨著時間不斷減小自我學習因子 c1，和不斷增大社會學習因子 c2來實現(xiàn)。該粒子與粒子l（ li? ）的距離記為： di st [ l ] 。這樣，慣性權(quán)重將在 1之間隨機變化，均值為 。顯然，對于不同的問題，獲得最好優(yōu)化效果的這個常數(shù)是不同的，要找到這個值需要大量的實驗。 三 .標準 PSO 26 3. 計算舉例 ? 算法設(shè)計 ? 慣性權(quán)重：采用固定權(quán)重 ?，F(xiàn)在的 PSO基本上使用Vmax進行初始化，將 Vmax設(shè)定為每維變量的變化范圍，而不必進行細致的選擇與調(diào)節(jié)。 repeat for each particle i do update gbest of particle i。 d. 兩個個體即使不被綁在一塊，也具有相同的態(tài)度和 信仰，但是兩只鳥是絕對不可能不碰撞而在空間中占 據(jù)相同的位置。在這些早期的模型中他們把重點都放在了個體間距的處理，也就是讓鳥群中的個體之間保持最優(yōu)的距離。 一 .前言 6 2. PSO的基本思想 ? 對社會行為的模擬 ? 對魚群行為的研究： 1975年，生物社會學家Wilson在論文中闡述了對魚群的研究。這是因為動物只能在三維的物理空間 中運動，而人類還在抽象的多維心理空間運動，這里 是碰撞自由的（ collisionfree）。 endfor
教學課件相關(guān)推薦
鄂ICP備17016276號-1