畢業(yè)設(shè)計論文—粒子群優(yōu)化算法的實證分析研究(參考版)
2024-12-05 17:28本頁面
【正文】 參考文獻 。當這個要解決的問題過于難解和復(fù)雜時，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。這些實驗的結(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)化算法的成果對種群大小并不敏感。從那些圖標，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。粒子群優(yōu)化算法在運行結(jié)束時會缺乏全 局 搜索的能力，在某些例子中，當全 局搜索能力需要跳出 局部 的最小值。 4 表 4和表 6各自列出了 建立于 其他三種函數(shù)的 50種運行中的最好的粒子的最佳值。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。在表 3， 小數(shù) 被記錄后，由于只四種數(shù)字，所以這里展示的值也是零，在圖表可以看到。表 3 列出了被發(fā)現(xiàn)在在四種函數(shù) 50種運行中最好的粒子最佳值。它們的種群大小為 20， 40， 80 和 權(quán)重 被使用，從 開始到 結(jié)束， 和 和 是被設(shè)為 相 等的，每個函數(shù)的值被列在表 的設(shè)置，共引導(dǎo)了 50個運行。 種群 的數(shù)量被設(shè)置為 1000， 1500和 3000各自符合 維數(shù) 10， 20， 30。表格 1列出了四個函數(shù)的初始化范圍。為了進一步闡釋線性下降的慣性 權(quán) 重的效應(yīng)，四種非線性測試函數(shù)在在文獻【 15】中使用，這篇論文的的實驗結(jié)果也有相應(yīng)的報告和討論。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。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。 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)。這個已經(jīng)被運用的進化編程算法是結(jié)合高斯和 柯
公司管理相關(guān)推薦
鄂ICP備17016276號-1