畢業(yè)設(shè)計論文—粒子群優(yōu)化算法的實證分析研究(編輯修改稿)
2026-01-06 17:28 本頁面
【文章內(nèi)容簡介】 搜索 能力 。經(jīng)過粒子群優(yōu)化算法運行的路程，通過線性下降慣性 權(quán) 重從一個相對大的值到一個小的值，可以得知，粒子群優(yōu)化算法趨向于接近運行的開始時有更 強 的全 局 搜索能力，而越接近運行的末尾時有更 強 的 局部 搜索能力。文獻【 13】中 這個模擬的結(jié)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(quán) 重從始于接近 1到線性下降為 ，比起所有的固定慣性 權(quán) 重的設(shè)置 ， 給了粒子群優(yōu)化算法最好的效 果 。 在文獻【 15】中，通過引導在進化優(yōu)化文學中重點研究的四個非線性函數(shù)的實驗，安熱莉娜把哲學和成果的不同之處在進化編程算法和 粒 子群優(yōu)化算法中相比較。這個已經(jīng)被運用的進化編程算法是結(jié)合高斯和 柯 西函數(shù)的作為策略參數(shù)研究的更新函數(shù)的一種算法。這種算法的版本在文獻【 12】中首次被 公布 ，同時在文獻【 16】中表明它是優(yōu)于其他更新函數(shù)的策略參數(shù)研究。 這個已經(jīng)被運用的進化編程算法最初的一個被寫為 公 式（ 1a）和 (1b)。通過適應(yīng)策略參數(shù)研究來調(diào)整模擬的步長，理想被使用的進化編程算法已經(jīng)具有向著最佳的搜索范圍調(diào)整的能力。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。在文獻【 15】中，這個實驗報告表明，大體來講，粒子群優(yōu)化算法具有快速 收斂 的能力卻沒有快速調(diào)整的能力，然而進化編程算法恰好相反。從這些結(jié)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， 14】通過引進線性下降的慣性 權(quán) 重到 原版的 粒子群優(yōu)化算法，粒子群優(yōu)化算法的成果已經(jīng)在切夫的 F6函數(shù)的基準問題的實驗研究中獲得很大的提高。為了進一步闡釋線
公司管理相關(guān)推薦
鄂ICP備17016276號-1