粒子群優(yōu)化算法及其工程應(yīng)用研究.pdf

1、粒子群優(yōu)化(PSO)算法是一種基于種群的隨機(jī)優(yōu)化方法。與傳統(tǒng)的優(yōu)化方法相比，PSO算法具有結(jié)構(gòu)簡單、參數(shù)較少、易于實(shí)現(xiàn)以及全局尋優(yōu)能力強(qiáng)等優(yōu)點(diǎn)。然而，PSO算法的理論基礎(chǔ)還不完善，存在早熟收斂、易陷入局部極值等問題，并且在應(yīng)用于工程實(shí)際問題時(shí)存在很多值得改進(jìn)和提高之處。
　　本文從PSO控制參數(shù)策略和實(shí)現(xiàn)框架上提出了幾種不同的改進(jìn)算法，并將改進(jìn)的算法用于PID控制器參數(shù)整定以及陣列天線方向圖綜合。
　　粒子群優(yōu)化算法是基于種

2、群的群智能算法，種群的收斂特性直接關(guān)系到算法的尋優(yōu)性能。通過分析粒子群優(yōu)化算法的收斂特性，明確了控制參數(shù)策略以及算法平衡搜索能力與算法性能的關(guān)聯(lián)，并進(jìn)一步對粒子群優(yōu)化算法進(jìn)行了改進(jìn):
　　(1)提出了基于聚集度反饋控制的粒子群優(yōu)化算法，使得種群的聚集程度可控。這樣在種群陷入局部最優(yōu)情況下，算法可以重新使種群按一種可控的方式重新發(fā)散開，從而改善算法的全局尋優(yōu)能力。
　　(2)搭建了一個(gè)繼承學(xué)習(xí)的算法框架，將單個(gè)PSO優(yōu)化進(jìn)程納

3、入到這個(gè)框架中。在新的算法框架中，多個(gè)并行的PSO進(jìn)程構(gòu)成一個(gè)循環(huán)。上一個(gè)循環(huán)中各PSO進(jìn)程結(jié)果中較好的一部分，以及隨機(jī)生成一部分粒子位置，共同構(gòu)成一個(gè)完整的種群位置來作為下一個(gè)循環(huán)各PSO進(jìn)程的初始化種群位置。新算法在很大程度上改善了隨機(jī)性對優(yōu)化結(jié)果的影響，在多維復(fù)雜優(yōu)化問題上具有良好的性能，而且具備很大的靈活性，可以很容易地將此算法框架應(yīng)用到其他智能優(yōu)化算法中。
　　在控制系統(tǒng)中，PID參數(shù)整定是一個(gè)經(jīng)典的研究方向。如果將PI

4、D控制器的3個(gè)參數(shù)看做是待優(yōu)化變量，用控制器響應(yīng)評價(jià)函數(shù)作為適應(yīng)值函數(shù)，就可以使用優(yōu)化算法來處理PID參數(shù)整定。本文針對這個(gè)問題進(jìn)行了相應(yīng)研究:
　　(1)建立了磁浮列車控制器參數(shù)的PSO優(yōu)化模型，采用改進(jìn)的PSO算法對磁浮控制器PID參數(shù)進(jìn)行了優(yōu)化，仿真結(jié)果和實(shí)驗(yàn)結(jié)果表明基于PSO算法的PID參數(shù)優(yōu)化模型具有較好的可行性和適用性。
　　(2)在實(shí)際應(yīng)用中，有時(shí)候無法得到被控對象的準(zhǔn)確模型，也無從進(jìn)行有效的PID參數(shù)整定，只

5、能靠經(jīng)驗(yàn)對PID控制器參數(shù)進(jìn)行整定。為此，將PSO算法用于攤鋪機(jī)控制系統(tǒng)的模型辨識，并在辨識基礎(chǔ)上對攤鋪機(jī)控制器參數(shù)進(jìn)行了整定，取得了很好的效果。
　　陣列天線方向圖綜合是智能算法的一個(gè)重要應(yīng)用領(lǐng)域，本文也針對這個(gè)問題進(jìn)行了研究，主要包括連續(xù)變量的方向圖綜合以及離散變量的方向圖綜合，具體內(nèi)容如下:
　　(1)針對多目標(biāo)方向圖優(yōu)化，提出了分階段適應(yīng)值函數(shù)策略。由于各個(gè)指標(biāo)分階段提高，使得各個(gè)階段更容易平衡各個(gè)優(yōu)化目標(biāo)，不會導(dǎo)致

6、某個(gè)優(yōu)化目標(biāo)已經(jīng)滿足收斂條件而另外的優(yōu)化目標(biāo)還差距很遠(yuǎn)。這樣在解空間中，局部極值區(qū)域的深度更淺，有利于種群跳出局部極值點(diǎn)，實(shí)現(xiàn)全局收斂。在實(shí)際方向圖優(yōu)化中，可以分兩次或者更多階段將方向圖指標(biāo)逐步提高至設(shè)計(jì)指標(biāo)。
　　(2)將停滯檢測PSO算法和基于聚集度反饋控制PSO算法用于均勻間距直線陣的低旁瓣方向圖綜合中。實(shí)驗(yàn)表明兩種改進(jìn)算法能有效生成多零陷，抑制旁瓣電平值。
　　(3)將繼承學(xué)習(xí)粒子群優(yōu)化算法(ILPSO)用于不等距線

7、陣天線低旁瓣方向圖綜合，仿真結(jié)果表明ILPSO可以使用較少的優(yōu)化次數(shù)取得與國內(nèi)外最新文獻(xiàn)相當(dāng)或更好的結(jié)果。
　　(4)針對陣列天線方向圖綜合中的離散優(yōu)化問題，提出了基于實(shí)數(shù)PSO算法和粒子位置取整相結(jié)合的優(yōu)化策略，有效地處理了4bit數(shù)字移相器陣列的方向圖綜合、稀疏直線陣列的方向圖綜合和不等距稀疏陣列方向圖綜合。仿真結(jié)果表明此策略可以有效地將實(shí)數(shù)PSO算法用于方向圖綜合中的離散優(yōu)化問題，優(yōu)化結(jié)果優(yōu)于已有二進(jìn)制粒子群優(yōu)化算法和其他智