畢業(yè)設計論文—粒子群優(yōu)化算法的實證分析研究(完整版)
【正文】 i位置頻率的變化（速度）。文獻【 11， 12】，但是在粒子群 優(yōu)化算法中，每個粒子個體是根據(jù)自身的飛行經(jīng)驗和同伴的飛行經(jīng)驗而更新的。大的慣性 權 重能促進全 局 搜索而小的慣性 權 重則促進 局部 搜索 能力 。由于只粒子群優(yōu)化算法的原始的版本才涉及到她的比較范圍內(nèi)，在粒子群優(yōu)化算法中，沒有 智 能用來調(diào)整它自身的速度步長，因此，粒子群優(yōu)化算法可能缺乏一些微調(diào)的能力。 種群 的數(shù)量被設置為 1000， 1500和 3000各自符合 維數(shù) 10， 20， 30。圖表 9到圖表10各自展示了概述為 Radtrigrin函數(shù)的四種不同種群大小的結果。這些實驗的結果闡釋了粒子群優(yōu)化算法具有迅速 收斂 的能力并能 縮放 得很好，但是粒子群優(yōu)化算法的成果對種群大小并不敏感。當這個要解決的問題過于難解和復雜時，粒子群優(yōu)化算法在很多情況下可能找不到需要的最佳值。 4 表 4和表 6各自列出了 建立于 其他三種函數(shù)的 50種運行中的最好的粒子的最佳值。它們的種群大小為 20， 40， 80 和 權重 被使用，從 開始到 結束， 和 和 是被設為 相 等的，每個函數(shù)的值被列在表 的設置，共引導了 50個運行。從這些結果，研究工作者期望有一種具有能靈活調(diào)整速度的步長的方法， 并期待粒子群優(yōu)化算法的研究能提高到類似于進化編程具有的更好的調(diào)整性能。文獻【 13】中 這個模擬的結果是 :切夫 F6函數(shù)的衡量基準問題說明通過該運行路程，一個慣性 權 重從始于接近 1到線性下降為 ，比起所有的固定慣性 權 重的設置 ， 給了粒子群優(yōu)化算法最好的效 果 。然而，在 2 進化編程，每個個體具有向任何方向飛行的可能性。 當 學習因子 和 是非負 數(shù)時 , rand()和 rand()是兩個在范圍 [0,1]中隨機函數(shù)。基于搜索的方法的大多數(shù)的 種群 很自然地被進化所激發(fā)， 遺傳
公司管理相關推薦
鄂ICP備17016276號-1