改進(jìn)的pso算法的實現(xiàn)畢業(yè)論文(完整版)
【正文】 為群體智能(swarm intelligence)。通常單個自然生物并不是智能的,但是整個生物群體卻表現(xiàn)出處理復(fù)雜問題的能力,群體智能就是這些團(tuán)體行為在人工智能問題中的應(yīng)用。在每一次迭代中,粒子通過跟蹤兩個“極值”來更新自己，另一個極值是整個種群目前找到的最優(yōu)解,這個極值是全局極值gb。Step 3: 對每個粒子,將其適應(yīng)值與其經(jīng)歷過的最好位置pbest作比較,如果較好,則將其作為當(dāng)前的最好位置pbest。通過實驗發(fā)現(xiàn)PSO的收斂較快，所以將迭代次數(shù)searchTime取為1000是足夠大的。 } private static final int dim = 2。 static final double weight = 。 int funDim。 position[i] = bestPosition[i] = ()。ifunDim。 position[i] += velocity[i]。 int globalBestIndex。 globalBestPosition = new double[funDim]。iPSONum。 } } if(tempBestFitness globalBestFitness) { globalBestFitness = tempBestFitness。 } }}public class TestPSO{ public static void main(String[]args) { double globalBestPosition[]。i++) { ()。j++) { if(jfunDim1) (globalBestPosition[j] + ,)。 } (])。 (目前的迭代次數(shù)是： + i + ,)。//粒子數(shù)目 int searchTime = 1000。 for(int i=0。 } tempBestFitness = particles[0].fitness。ifunDim。 funDim = ()。 double globalBestPosition[]。 } } } void updateState(double globalBestPosition[]) { for(int i=0。 fitness = bestFitness = (position)。 velocity = new double[funDim]。 static final double c2 = 。 } public double cumputeFitness(d
外語相關(guān)推薦
鄂ICP備17016276號-1