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-資料下載頁
2024-12-01 17:28本頁面
【導(dǎo)讀】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(duì)所提算法被選作測(cè)試函數(shù)。這個(gè)實(shí)驗(yàn)的結(jié)果證實(shí)了。粒子群優(yōu)化算法的利與弊。在所有的測(cè)試?yán)又?，粒子群?yōu)化算法總是迅速地朝著最佳的方。向收斂，但是當(dāng)它接近最小值時(shí)，它會(huì)減緩收斂速度。但是這個(gè)實(shí)驗(yàn)的結(jié)果表明粒子群優(yōu)化。接近最優(yōu)化，例如使用合適的慣性權(quán)重。基于搜索的方法的大多數(shù)的種群很自然地被進(jìn)化所激發(fā)，遺傳算法，進(jìn)化規(guī)劃，在另一方面，粒子群優(yōu)化算法受社會(huì)習(xí)慣。粒子群優(yōu)化算法是唯一不完成密合度測(cè)試幸。個(gè)體是根據(jù)自身的飛行經(jīng)驗(yàn)和同伴的飛行經(jīng)驗(yàn)而更新的。子在粒子群優(yōu)化算法中只能向有限的方向飛行，并期待朝著更好領(lǐng)域的方向飛行。的位置，而當(dāng)“意識(shí)”能提供充分的信息的時(shí)候，粒子群優(yōu)化算法能更迅速飛到更好的位置。為了種群的初始化被采納了。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。
【正文】 圖表 5和圖表 8各自展示了 Rosenbrock函數(shù)的四種不同種群大小的結(jié)果。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(jié)果。圖表 13到圖表 16展示了概述為 Griewank函數(shù)的四種不同種群大小的結(jié)果。 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(yùn)行中的最好的粒子的最佳值。 5 6 通過看所有圖標(biāo)中曲線的形狀，我們可以明 顯地發(fā)現(xiàn)在所有的例子中粒子群優(yōu)化算法的 收斂 很迅速但是當(dāng)它到達(dá)最佳時(shí)，它的 收斂 速度將會(huì)變慢，這是可能由于線性下降的慣性權(quán) 重的使用。粒子群優(yōu)化算法在運(yùn)行結(jié)束時(shí)會(huì)缺乏全 局 搜索的能力，在某些例子中，當(dāng)全 局搜索能力需要跳出 局部 的最小值。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 效 果。從那些圖標(biāo)，也清楚地表明粒子群優(yōu)化算法的不同種群大小有相似的 效 果。類似于觀察 Sphere函數(shù)，在四種函數(shù)中，粒子群優(yōu)化算法 縮 放 得很好 4 結(jié)論 7 在這篇論文中，在文學(xué)領(lǐng)域上，被重點(diǎn)研究的四種非線性函數(shù)的實(shí)驗(yàn)研究已經(jīng)深入地調(diào)查了粒子群優(yōu)化算法的線性下降的慣性 權(quán) 重的成果。這些實(shí)驗(yàn)的結(jié)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(duì)種群大小并不敏感。 這些結(jié)果還闡釋了粒子群優(yōu)化算法由于線性下降的慣性 權(quán) 重的原因，在運(yùn)行結(jié)束時(shí)可能會(huì)缺乏全 局 搜索的能力。當(dāng)這個(gè)要解決的問題過于難解和復(fù)雜時(shí)，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。但在某種程度上，為了調(diào)整慣性 權(quán) 重，這可以通過實(shí)施自我適應(yīng)的 策 略來 解決 這 個(gè)困難。 參考文獻(xiàn)
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1