畢業(yè)設計論文—粒子群優(yōu)化算法的實證分析研究-文庫吧資料
2024-12-09 17:28本頁面
【正文】 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。文獻【 13】中 這個模擬的結果是 :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 重從始于接近 1到線性下降為 ，比起所有的固定慣性 權 重的設置 ， 給了粒子群優(yōu)化算法最好的效 果 。大的慣性 權 重能促進全 局 搜索而小的慣性 權 重則促進 局部 搜索 能力 。在粒子群優(yōu)化算法中，一個稱慣性 權重 的參數(shù)研究被引進平衡的全 局 搜索和 局部 搜索時， 公 式就會變化為 : 在這里 w指慣性 權 重【 13， 14】。按倫理上來講，進化 規(guī)劃 有更多機會飛入到 全局 最佳的位置，而當“意識”能提供充分的信息的時候，粒子群優(yōu)化算法能更迅速飛到更好的 位置 。然而，在 2 進化編程，每個個體具有向任何方向飛行的可能性。文獻【 11， 12】，但是在粒子群 優(yōu)化算法中，每個粒子個體是根據(jù)自身的飛行經(jīng)驗和同伴的飛行經(jīng)驗而更新的。粒子群優(yōu)化算法是唯一不完成密合度測試幸存的進化算法 [9]. 由于想到 公 式 (1b)與 遺傳 算法類似，很顯然，粒子群優(yōu)化算法也跟進化 演變 的算法相似。在粒子群優(yōu)化算法所有的粒子在運行過程中（這個運行作為居先于進化算法的各代的種群 ）都作為 種群 的成員這就是該粒子的速度 [9]，它的速度的更新是依據(jù)它自己和它同伴最先前的位置。 當 學習因子 和 是非負 數(shù)時 , rand()和 rand()是兩個在范圍 [0,1]中隨機函數(shù)。 代表粒子 i位置頻率的變化（速度）。每個個體在三維探索空間中被當做一個體積較小的粒子（一個點）代表 第 i粒子。但是它們都是用同一種方式運行，也就是依據(jù)在環(huán)境中獲得的恰當信息，并通過使用一些 運算 來更新個 體 的 種群 ，以便 種群 中的個體能朝著更好的解決方案 領域 移動?；谒阉鞯姆椒ǖ拇蠖鄶?shù)的 種群 很自然地被進化所激發(fā)， 遺傳算法
公司管理相關推薦
鄂ICP備17016276號-1