談時間延遲過程的pid補償控制(參考版)
2025-07-10 15:41本頁面
【正文】 在穩(wěn)定的更新中只使用基本方程，當粒子更新到一定程度，選擇一半的粒子，使其保持在歷代中的最佳位置，即保持個體最優(yōu)極值，這樣就可以更好地利用粒子的歷代信息來改善其全局搜索能力。隨著隨機重組的規(guī)則，顆粒從不同的小規(guī)模種群集合在一個新的種群，這樣使每個小規(guī)模種群搜索空間增大，并使更好的解決方案成為可能，并由新的種群結(jié)構(gòu)獲得。新的小規(guī)模種群繼續(xù)開始他們自己的搜尋。在此期間，他們可能收斂到局部最優(yōu)附近。首先，9粒子群隨機分為三個小規(guī)模種群。毫無疑問這樣的改進在解決多模型問題中具有更好地執(zhí)行能力。這樣，每個群獲得的有用信息可以在種群變化中得以交換，同時全局種群的多樣性增加。每第R代，我們規(guī)定各個局部種群重新集結(jié)，使用一個新配置的小規(guī)模種群開始新的隨機搜索。而在信息交流的規(guī)則中，我們希望保持更多有用的信息，包括好的和相對較好的，以增加粒子的品質(zhì)，實現(xiàn)更大的多樣性。由于小型群可以更好的利用自己的的最佳信息，因此它們很容易收斂到局部領(lǐng)域中的最佳位置，即局部最優(yōu)，這是由粒子群算法的收斂性決定的。大的種群被分為多個小規(guī)模局部領(lǐng)域。而在粒子群局部優(yōu)化算法中，根據(jù)許多報告的結(jié)果，小種群的PSO對于復(fù)雜問題可以表現(xiàn)更好。許多現(xiàn)有的進化算法更喜歡更多的粒子數(shù)，而PSO算法只需要一個相對較小的粒子群規(guī)模。在本文中，我們改善了DMS PSO算法使其局部搜索問題上與經(jīng)典算法擬牛頓法相結(jié)合，并測試了10 維向量的測試，由CEC2005提供實時參數(shù)來實現(xiàn)優(yōu)化的功能。我們提出了一個動態(tài)的多群粒子群優(yōu)化（簡稱DMS PSO）的拓撲結(jié)構(gòu)，其種群領(lǐng)域是動態(tài)的并隨機分配。在不同的局部結(jié)構(gòu)和多群的PSO局部改進算法中，我們是根據(jù)距離，即種群大小對種群預(yù)定義或動態(tài)調(diào)整。針對算法的局部設(shè)計，重點是提出和討論不同的局部分配結(jié)構(gòu)。 、是加速因子, 、是在之間的隨機數(shù)在PSO的領(lǐng)域，主要有兩個變化：全局PSO和局部PSO。 為粒子個體位置最優(yōu)值。第i個粒子的第d維的位置和速度按照如下方式更新：式中，代表的是第代的第個粒子第維的速度 代表的是第代的第個粒子第維的位置:為慣性因子。這些微粒通過從問題的所有粒子的歷史信息的學(xué)習(xí)，在D維空間運動。在PSO算法中，每一個潛在的解決方案被認為是一個粒子。粒子群優(yōu)化（PSO）,模擬鳥類的行為來解決優(yōu)化問題，是由肯尼迪和埃伯哈特在1995年推出。整個人口劃分成許多小群，這些群通過用不同的重組時間表頻繁的重新組合，信息也是在群之間進行交流。動態(tài)多群粒子群優(yōu)化的本地搜索摘要在本論文中，主要介紹關(guān)于一種由CEC2005提供基準功能集的修改后的動態(tài)多群粒子群優(yōu)化性能（簡稱DMS PSO）。但是通常都比較缺乏與其他設(shè)計技術(shù)的比較分析，與之相聯(lián)的是缺乏基準事件，至少直到Astrom和Hagglund（2000年b）測試了不同方法后提出的建議是這樣的。作者希望，該文件能為實際應(yīng)用提供方便的參考。結(jié)論控制專業(yè)的學(xué)者和從業(yè)人員仍然傾向使用PID控制器來補償具有延遲的被控對象。
試題試卷相關(guān)推薦
鄂ICP備17016276號-1