畢業(yè)設(shè)計論文—粒子群優(yōu)化算法的實證分析研究-閱讀頁
2024-12-21 17:28本頁面
【正文】 在文獻【 11】的建議以及比較的目的，在文獻 [15]使用的非勻稱條件初始化方法在這里為了 種群 的初始化被采納了。 由于在文獻【 15】中，對每個函數(shù)來講，三個不同的維 數(shù) 被測試了，它們的維 數(shù) 是：10， 20和 30。為了調(diào)查粒子群優(yōu)化算法是否 縮放 得好，不同的種群大小已經(jīng)為每個具有不同維 數(shù) 的函數(shù)所使用。 表 2： 每個函數(shù)中 和 值 圖表 1和圖表 2展示了各自 Sphere函數(shù)的四種不同種群大小的結(jié)果。很明顯，我們可以得知，對于 Sphere函數(shù)而言，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。 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 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。 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)它到達最佳時，它的 收斂 速度將會變慢，這是可能由于線性下降的慣性權(quán) 重的使用。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【 15】報告的粒子群優(yōu)化算法和進化編程有更好的 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，被重點研究的四種非線性函數(shù)的實驗研究已經(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，在運行結(jié)束時可能會缺乏全 局 搜索的能力。但在某種程度上，為了調(diào)整慣性 權(quán) 重，這可以通過實施自我適應(yīng)的 策 略來 解決 這
公司管理相關(guān)推薦
鄂ICP備17016276號-1