论文>通信/电子论文>基于群智能优化及其改进算法的性能比较

基于群智能优化及其改进算法的性能比较

  
编号:99-583355 | doc 格式 | 644.00K | 35 页
基于群智能优化及其改进算法的性能比较

1.34万字 35页 原创作品,已通过查重系统

摘 要
粒子群算法的提出源自鸟群觅食系统,鸟群中的个体与外界环境及其他个体接触并互相传递信息,在此过程中不断改进自己觅食的行为,最终寻得食物。基于这个鸟群觅食系统,许多人开始思考如何通过最优方法找到一个区域里的目标物,由此建立数学模型,提出了粒子群优化算法,并随着研究的深入,提出了不断优化的粒子群改进算法。同时,这种群智能优化算法也被应用于各个领域,并与社会生产活动紧密相连,因此研究PSO优化算法显得愈发重要了。
本文主要研究内容与成果:
(1)简要回顾了粒子群算法的发展历程和PID控制器的参数优化进展。简单介绍了粒子群算法主要的四大类:标准PSO参数改进与变形、混合粒子群算法、离散二进制粒子群算法、协同PSO算法。PID控制器的参数优化发展经历了传统整定方法、最优整定、智能整定、基于遗传算法的PID参数优化。
(2)深入而具体研究了粒子群算法及其改进算法,介绍惯性权重 及其改进策略对PSO算法的影响,学习因子 的设置对PSO算法的影响,引入收缩因子 对PSO算法的影响,领域结构对PSO算法的影响。本文着重研究4种对惯性权重进行改进的标准粒子群优化算法:线性递减权重、固定惯性权重、随机惯性权重、非线性递减权重。
(3)基于PSO改进算法,对水轮机调节系统的PID参数进行优化。利用Matlab编程,实现四种PSO改进算法,并将四个误差积分准则作为适应度函数对四种算法分别进行实验,寻找出最优时PID参数的值,进行分析与比较。



关键词:粒子群优化算法;惯性权重;PID参数优化;误差积分准则



  
关于我们 联系我们 帮助中心 支付方式  侵权处理 免责声明 友情链接 网站地图
  蜀ICP备11006018-1