基于優(yōu)化控制思想的粒子群優(yōu)化算法改進(jìn)研究.pdf

1、粒子群優(yōu)化算法(PSO)作為一種群體智能優(yōu)化算法，因其結(jié)構(gòu)簡(jiǎn)單，調(diào)節(jié)參數(shù)較少，易于實(shí)現(xiàn)以及尋優(yōu)能力強(qiáng)等優(yōu)點(diǎn)使其成為求解復(fù)雜優(yōu)化問(wèn)題的研究熱點(diǎn)。但其容易早熟且算法的基礎(chǔ)理論研究還不完善。因此，分析和研究PSO內(nèi)部機(jī)理和進(jìn)化規(guī)律，進(jìn)一步提高算法的尋優(yōu)能力具有重要的理論和實(shí)際意義。
　　本文以控制思想為基礎(chǔ)，考慮算法的隨機(jī)性和充分利用算法尋優(yōu)過(guò)程中產(chǎn)生的信息，從不確定性離散系統(tǒng)的最優(yōu)控制和過(guò)程優(yōu)化的角度展開(kāi)粒子群優(yōu)化算法的改進(jìn)研究。具體

2、研究?jī)?nèi)容如下：本文首先介紹粒子群優(yōu)化算法(PSO)的基本原理，并系統(tǒng)的綜述了算法的研究現(xiàn)狀以及國(guó)內(nèi)外基于控制思想的PSO算法的研究成果。考慮PSO算法固有的隨機(jī)因素，可將PSO算法定義為離散不確定性系統(tǒng)，在此基礎(chǔ)上本文引入最優(yōu)控制思想，提出基于不確定離散系統(tǒng)最優(yōu)控制的粒子群優(yōu)化算法。仿真結(jié)果表明，最優(yōu)控制器的引入使得算法的收斂速度與搜索精度都有所提高。通過(guò)對(duì)基本PSO算法在尋優(yōu)過(guò)程中的適應(yīng)值、多樣性、平均速度等數(shù)據(jù)信息的分析，將PSO算