粒子群算法论文终稿.doc

WORD格式 可编辑 专业知识整理分享 粒子群算法的寻优算法 摘要：粒子群算法是在仿真生物群体社会活动的基础上，通过模拟群体生物相互协同寻优能力，从而构造出一种新的智能优化算法。这篇文章简要回顾了粒子群算法的发展历史；引入了一个粒子群算法的实例，对其用MATLAB进行编程求解，得出结论。之后还对其中的惯性权重进行了延伸研究，对惯性权重的选择和变化的算法性能进行分析。 关键词：粒子群、寻优、MATLAB、惯性权重 目录： TOC \o 1-3 \h \z \u HYPERLINK \l _Toc500682390 1.粒子群算法的简介 PAGEREF _Toc500682390 \h 3 HYPERLINK \l _Toc500682391 1.1 粒子群算法的研究背景 PAGEREF _Toc500682391 \h 3 HYPERLINK \l _Toc500682392 1.2 起源 PAGEREF _Toc500682392 \h 3 HYPERLINK \l _Toc500682393 1.3 粒子群理论 PAGEREF _Toc500682393 \h 4 HYPERLINK \l _Toc500682394 2.案例背景 PAGEREF _Toc500682394 \h 5 HYPERLINK \l _Toc500682395 2.1问题描述 PAGEREF _Toc500682395 \h 5 HYPERLINK \l _Toc500682396 2.2 解题思路及步骤 PAGEREF _Toc500682396 \h 5 HYPERLINK \l _Toc500682397 3.MATLAB编程实现 PAGEREF _Toc500682397 \h 6 HYPERLINK \l _Toc500682398 3.1设置PSO算法的运行参数 PAGEREF _Toc500682398 \h 6 HYPERLINK \l _Toc500682399 3.2种群初始化 PAGEREF _Toc500682399 \h 6 HYPERLINK \l _Toc500682400 3.3寻找初始极值 PAGEREF _Toc500682400 \h 6 HYPERLINK \l _Toc500682401 3.4迭代寻优 PAGEREF _Toc500682401 \h 7 HYPERLINK \l _Toc500682402 3.5结果分析 PAGEREF _Toc500682402 \h 7 HYPERLINK \l _Toc500682403 4.惯性权重对PSO算法的影响 PAGEREF _Toc500682403 \h 9 HYPERLINK \l _Toc500682404 4.1惯性权重的选择 PAGEREF _Toc500682404 \h 9 HYPERLINK \l _Toc500682405 4.2惯性权重变化的算法性能分析 PAGEREF _Toc500682405 \h 9 HYPERLINK \l _Toc500682406 5 结论 PAGEREF _Toc500682406 \h 11 HYPERLINK \l _Toc500682407 参考文献： PAGEREF _Toc500682407 \h 12 1.粒子群算法的简介 粒子群算法（Particle Swarm Optimization）是一种新的智能优化算法。谈到它的发展历史，就不得不先介绍下传统的优化算法，正因为传统优化算法自身的一些不足，才有新智能优化算法的兴起，而粒子群算法（PSO）就是在这种情况下发展起来的。 1.1 粒子群算法的研究背景 最优化是人们在科学研究、工程技术和经济管理等领域中经常遇到的问题。优化问题研究的主要内容是在解决某个问题时，如何从众多的解决方案中选出最优方案。它可以定义为：在一定的约束条件下，求得一组参数值，使得系统的某项性能指标达到最优 （最大或最小）。传统的优化方法是借助于优化问题的不同性质，通常将问题分为线性规划问题、 非线性规划 问题、整数规划问题和多目标规划问题等。相应的有一些成熟的常规算法，如应用于线性规划问题的单纯形法，应用于非线性规划的牛顿法、共扼梯度法，应用于整数规则的分枝界定 法、动态规划等。列举的这些传统的优化算法能够解决现实生活和工程上的很多问题，但工业和科学领域大量实际问题的困难程度正在日益增长，它们大多是根本无法在可接受的时间 内找到解的问题。这类优化问题的困难性不仅体现在具