粒子群优化算法的改进.docx
- 文档编号:24197219
- 上传时间:2023-05-25
- 格式:DOCX
- 页数:4
- 大小:17.95KB
粒子群优化算法的改进.docx
《粒子群优化算法的改进.docx》由会员分享,可在线阅读,更多相关《粒子群优化算法的改进.docx(4页珍藏版)》请在冰豆网上搜索。
粒子群优化算法的改进
•1o模糊惯性权重(fuzzyinertiaweight)法
・Shi等提出用模糊控制器来动态自适应地改变惯性权重的技术。
控制器的输入是当前惯性权重将口当前最好性能评价值(CBPE),CBPE衡量PSO目前找到的最好候选解的性能[输出建"的改变量。
由于不同的问题有不同范围的性能铮价值,因此需要对CBPE进行如下的规范化NCBPE
=(CBPE-CBPEmin)/(CBPEmax-CBPEmin)
NCBPE是规范化后的评价值,CBPEmin和CBPEmax依问题而定,且需事先得知或者可估计。
模糊w法与线性下降W方法的比较结果显示,后者不知道应该降低W的合适时机,而自适应模糊控制器能预测使用什么样的W更合适,可以动态地平衡全局和局部搜索能力。
但是由于需知道CBPEmin和CBPEmax等,使得模糊权重法的实现较为困难,因而无法广泛使用。
・20压缩因子(constrictionfactor)法
・Clerc得出结论:
压缩因子有助于确保PSO算
法收敛。
这种方法的速度更新方程为
呼二岭+处叫+的/(龙一琦)+(2勺•(必一琦)]•其中,T—一冲为压缩因子,妇心2,且卩>4。
约束因子法控制系统行为最终收敛,且可以有效搜索不同的区域,该法能得到高质量的解。
・3o基于遗传思想改进的PSO算法一选择(selection)法
・主要应用PSO的基本机制以及演化计算所采用的自然选择机制。
由于PSO搜索过程依赖pbest和gbest,所以搜索区域有可能被他们限制住了。
选择PSO算法.在一般粒子群算法中,每个粒子的最优位置的确定相当于隐含的选择机制•为此,Angeline将选择算子引入进了PSO算法中,选择每次迭代后较好的粒子复制到下一代,以保证每次迭代的粒子群都具有较好的性能,实验表明这种算法对某些测试函数具有优越性.自然选择机制的引入将会逐渐减弱其影响。
测试结果显示,虽然在大多数测试函数中选择法取得了比基本PSO更好的效果,却在Griewank函数上得到了较差的结果。
因此该法提高了PSO的局部搜索能力,但同时削弱了全局搜索能力。
•4o线性减少权系数法
・ShiY提出了带有惯性权重的改进PSO算法,进化方程为・必+1二w%+C|G(M-A0+C2勺(龙-对)
・式中”>0,称为惯性因子.它随着迭代次数的增加而线性递减,使算法在初期具有较强的全局寻优能力,而晚期具有较强的局部收敛能力,一定程度上提高了算法的性能.如w(t)=(w^-izi/2丿x(/©max一iter)//tezmax+izi/2式中:
和izi/2是惯性权重的初始值和最终{1,/termax和/7刃分别为最大迭代次数和当前迭代次数.
・通过经验发现惯性权重为0.7298、加速系数为1.49618时,总能导致收敛的轨迹。
・朱小六等人提出的动态自适应惯性权重改变方法:
羌引入两个麦量粒子进化度e=讥/粒子聚合度然后,定义权
重变换公式:
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 粒子 优化 算法 改进