【導(dǎo)讀】畢業(yè)設(shè)計(jì)（論文）粒子群算法畢業(yè)設(shè)計(jì)畢設(shè)。題目粒子群算法及其參數(shù)設(shè)置。專業(yè)信息與計(jì)算科學(xué)。粒子群優(yōu)化是一種新興的基于群體智能的啟發(fā)式全局搜索算法粒子群優(yōu)化。算法通過粒子間的競(jìng)爭(zhēng)和協(xié)作以實(shí)現(xiàn)在復(fù)雜搜索空間中尋找全局最優(yōu)點(diǎn)它具有。易理解易實(shí)現(xiàn)全局搜索能力強(qiáng)等特點(diǎn)倍受科學(xué)與工程領(lǐng)域的廣泛關(guān)注已經(jīng)成為。發(fā)展最快的智能優(yōu)化算法之一論文介紹了粒子群優(yōu)化算法的基本原理分析了其。特點(diǎn)論文中圍繞粒子群優(yōu)化算法的原理特點(diǎn)參數(shù)設(shè)置與應(yīng)用等方面進(jìn)行全面綜。述重點(diǎn)利用單因子方差分析方法分析了粒群優(yōu)化算法中的慣性權(quán)值加速因子的。設(shè)置對(duì)算法基本性能的影響給出算法中的經(jīng)驗(yàn)參數(shù)設(shè)置最后對(duì)其未來的研究提。出了一些建議及研究方向的展望。27粒子群算法的研究現(xiàn)狀8. 生不可預(yù)測(cè)的群體行為。持不變對(duì)分別取不同值分析其對(duì)算法結(jié)果影響。際期刊或會(huì)議上最近提出的算法源程序那也是事半功倍的美事這里介紹當(dāng)今。中可以得到他們近幾年公開發(fā)表的相關(guān)文獻(xiàn)和源代碼還可以下載一些未公開發(fā)

　　

【正文】 ut particle swarm and other optimizers [A] in Proc CEC2021 [C] vol1 2021 pp8188 [13] Clerc M Stagnation analysis in particle swarm optimization or what happens when nothing happens Online at cfrpso [14] Ling S H Iu H C F Leung H F et al Improved hybrid particle swarm optimized wavelet neural work for modeling the development of fluid dispensing for electronic packaging [J] IEEE Trans Ind Electron vol 55 no9 2021 pp34473460 [15] dos Santos Coelho L Herrera B M Fuzzy identification based on a chaotic particle swarm optimization approach applied to a nonlinear yoyo motion system [J] IEEE Trans Ind Electron vol54 no6 2021 pp32343245 [16] Clerc M Initialisations for particle swarm optimization Online at cfrpso 2021 [17] Richards M Ventura D Choosing a starting configuration for particle swarm optimization [A] in Proc IEEE Int Joint Conf Neural Network [C] vol 3 2021 pp 2309– 2312 [18] 薛明志左秀會(huì)鐘偉才 等 正交微粒群算法 [J] 系統(tǒng)仿真學(xué)報(bào) vol 17 no 12 2021 pp 29082911 [19] Campana E F Fasano G Pinto A Dynamic system analysis and initial particles position in particle swarm optimization [A] in Proc IEEE Swarm Intell Symp [C] May 2021 pp 202– 209 [20] Eberhart R Shi Y Kennedy J Swarm Intelligence [M] San Mateo CA Man Kaufmann 2021 [21] Kennedy J Small worlds and megaminds Effects of neighborhood topology on particle swarm performance [A] in Proc IEEE Congr Evol Comput [C] Jul 1999 vol 3 pp 1931– 1938 [22] Kennedy J Mendes R Population structure and particle swarm performance [A] in Proc IEEE Congr Evol Comput [C] May 2021 vol 2 pp 1671– 1676 [23] Suganthan P N Particle swarm optimizer with neighbourhood operator [A] in Proceedings of the IEEE Congress on Evolutionary Computation CEC [C] Piscataway NJ 1999 19581962 [24] Veeramachaneni K Peram T Mohan C Osadciw L A Optimization using particle swarms with near neighbor interactions [A] in Proc Geic and Evolutionary Computation GECCO 2021 [C] vol 2723 2021 pp 110– 121 [25] Abraham A Guo H Liu H Swarm intelligence foundations perspectives and applications [A] Swarm Intelligent Systems Studies in Computational Intelligence [C] N Nedjah L Mourelle eds Springer Verlag 2021 pp325 致謝 經(jīng)過半年的忙碌和工作本次畢業(yè)設(shè)計(jì)已經(jīng)接近尾聲作為一個(gè)本科生的畢業(yè)設(shè)計(jì)由于經(jīng)驗(yàn)的匱乏難免有許多考慮不周全的地方如果沒有導(dǎo)師的督促指導(dǎo)以及一起工作的同學(xué)們的支持想要完成這個(gè)設(shè)計(jì)是難以想象的 在這里首先要感謝我的導(dǎo)師他平日里工作繁多但在我做畢業(yè)設(shè)計(jì) 的每個(gè)階段從外出實(shí)習(xí)到查閱資料和修改中期檢查后期詳細(xì)設(shè)計(jì)等整個(gè)過程中都給予了我悉心的指導(dǎo)我的設(shè)計(jì)較為復(fù)雜煩瑣但是老師仍然細(xì)心地糾中的錯(cuò)誤他的治學(xué)嚴(yán)謹(jǐn)和科學(xué)研究的精神也是我永遠(yuǎn)學(xué)習(xí)的榜樣并將積極影響我今后的學(xué)習(xí)和工作 附錄 程序 1 當(dāng) a 主函數(shù)源程序 mainm 基本粒子群算法 particle swarm optimization 名稱 基本粒子群算法 初始格式化 clear all 清除所有變量 clc 清屏 format long 將數(shù)據(jù)顯示為長(zhǎng)整形科學(xué)計(jì)數(shù) 給定初始條條件 N 40 3 初始化群體個(gè)數(shù) D 10 初始化群體維數(shù) T 100 初始化群體最迭代次數(shù) c11 2 學(xué)習(xí)因子 1 c21 2 學(xué)習(xí)因子 2 c12 15 c22 15 w 12 慣性權(quán)重 eps 10 6 設(shè)置精度在已知最小值的時(shí)候用 初始化種群個(gè)體限定位置和速度 x zeros ND v zeros ND for i 1N for j 1D x ij randn 隨機(jī)初始化位置 v ij randn 隨機(jī)初始化速度 end end 顯示群位置 figure 1 for j 1D if rem D2 0 subplot D1 22j else subplot D22j end plot x j b grid on xlabel 粒子 ylabel 初始位置 tInfo strcat 第 char j48 維 if j 9 tInfo strcat 第 char floor j10 48 char rem j10 48 維 end title tInfo end 顯示種群速度 figure 2 for j 1D if rem D2 0 subplot D1 22j else subplot D22j end plot x j b grid on xlabel 粒子 ylabel 初始速度 tInfo strcat 第 char j48 維 if j 9 tInfo strcat 第 char floor j10 48 char rem j10 48 維 end title tInfo end figure 3 第一個(gè)圖 subplot 121 初始化種群個(gè)體在此限定速度和位置 x1 x v1 v 初始化個(gè)體最優(yōu)位置和最優(yōu)值 p1 x1 pbest1 ones N1 for i 1N pbest1 i fitness x1 i D end 初始化全局最優(yōu)位置和最優(yōu)值 g1 1000ones 1D gbest1 1000 for i 1N if pbest1 i gbest1 g1 p1 i gbest1 pbest1 i end end gb1 ones 1T 浸入主循環(huán)按照公式依次迭代直到滿足精度或者迭代次數(shù) for i 1T for j 1N if fitness x1 j D pbest1 j p1 j x1 j pbest1 j fitness x1 j D end if pbest1 j gbest1 g1 p1 j gbest1 pbest1 j end v1 j wv1 j c11rand p1 j x1 j c21rand g1x1 j x1 j x1 j v1 j end gb1 i gbest1 end plot gb1 TempStr sprintf c1 g c2 gc11c21 title TempStr xlabel 迭代次數(shù) ylabel 適應(yīng)度值 第二個(gè)圖 subplot 122 初始化種群個(gè)體在此限定速度和位置 x2 x v2 v 初始化種群個(gè)體最有位置和 最優(yōu)解 p2 x2 pbest2 ones N1 for i 1N pbest2 i fitness x2 i D end 初始化種全局最有位置和 最優(yōu)解 g2 1000ones 1D gbest2 1000 for i 1N if pbest2 i gbest2 g2 p2 i gbest2 pbest2 i end end gb2 ones 1T 浸入主循環(huán)按照公式依次迭代直到滿足精度或者迭代次數(shù) for i 1T for j 1N if fitness x2 j D pbest2 j p2 j x2 j pbest2 j fitness x2 j D end if pbest2 j gbest2 g2 p2 j gbest2 pbest2 j end v2 j wv2 j c12rand p2 j x2 j c22rand g2x2 j x2 j x2 j v2 j end gb2 i gbest2 end plot gb2 TempStr sprintf c1 g c2 gc12c22 title TempStr xlabel 迭代次數(shù) ylabel 適應(yīng)度值 b 適應(yīng)度函數(shù) 適應(yīng)度函數(shù) fitnessm function result fitness xD sum 0 for i 1D sum sumx i 2 end result sum 程序 2 當(dāng)于對(duì)比 a 主函數(shù)源程序 mainm 基本粒子群算法 particle swarm optimization 名稱 基本粒子群算法 初始格式化 clear all 清除所有變量 clc 清屏 format long 將數(shù)據(jù)顯示為長(zhǎng)整形科學(xué)計(jì)數(shù) 給定初始條條件 N 40 3 初始化群體個(gè)數(shù) D 10