畢業(yè)設(shè)計(jì)論文—粒子群優(yōu)化算法的實(shí)證分析研究(更新版)
【正文】 算法 【 1】，進(jìn)化 規(guī)劃 【 2】，進(jìn)化策略【 3】以及 遺傳演變 是四個(gè)有名的例子。具有非勻稱的最初范圍的 設(shè)置 的 函數(shù)是 四種不同基準(zhǔn)函數(shù)對所提 算 法被選作測試 函數(shù) 。 .埃伯哈特和肯尼迪【 5， 6， 7， 8】首次介紹了粒子群優(yōu)化算法的演算法則，他們不是使用進(jìn)化的 運(yùn)算 去操縱個(gè)體，然而在別的進(jìn)化的估算法中，在 粒子群優(yōu)化算法中，每個(gè)個(gè)體保持一定的速度在探索空間中飛行，它們的速度是依據(jù)自身和伙伴的飛行經(jīng)驗(yàn)而靈活變化的。這些粒子以更新后的速度飛行。 在進(jìn)化 規(guī)劃 中， 全局 與 局部 的搜索之間的平衡是通過適應(yīng)高斯隨機(jī)函數(shù)或步長的速度（策略參數(shù) 研究）來調(diào)整的，這些可以編碼成染色體來進(jìn)行自身進(jìn)化。這種算法的版本在文獻(xiàn)【 12】中首次被 公布 ，同時(shí)在文獻(xiàn)【 16】中表明它是優(yōu)于其他更新函數(shù)的策略參數(shù)研究。 經(jīng)過對比，在文獻(xiàn)【 15】使用的四種非線性函數(shù)在這里也運(yùn)用了，第一個(gè)函數(shù)是由 Sphere函數(shù)，被列為等式（ 3）： 3 在這里 是一個(gè) n維的真值矢量， 第二個(gè)函數(shù)是 Rosenbrock函數(shù)，被列為等式（ 4）： 第三個(gè)函數(shù)被概述為是 Rastrigrin函數(shù)，被列為等式（ 5）： 最后一個(gè)函數(shù)被概述為 Griewank函數(shù)，被列為等式（ 6）： 接著在文獻(xiàn)【 11】的建議以及比較的目的，在文獻(xiàn) [15]使用的非勻稱條件初始化方法在這里為了 種群 的初始化被采納了。很明顯，我們可以得知，對于 Sphere函數(shù)而言，粒子 群優(yōu)化算法能快速地找到 最優(yōu) ， 此外，粒子群優(yōu)化算法能 縮放 得很好。不管怎樣，這些展示出來的結(jié)果闡釋了通過使用線性下降的慣性 權(quán) 重，粒子群優(yōu)化算法的成果能得到很大的提高，也比在文獻(xiàn)【 15】報(bào)告的粒子群優(yōu)化算法和進(jìn)化編程有更好的
公司管理相關(guān)推薦
鄂ICP備17016276號-1