粒子群優(yōu)化算法的改進(jìn)研究及其在倒立擺控制系統(tǒng)中的應(yīng)用.pdf

1、粒子群優(yōu)化算法是由Kennedy和Eberhart于1995年提出的一種智能群體搜索算法。其基本思想來源于對(duì)鳥群簡化社會(huì)模型的研究及行為模擬。該算法結(jié)構(gòu)簡單，無需梯度信息，易于實(shí)現(xiàn)，而且能靈活的調(diào)整全局和局部搜索能力，已經(jīng)成為隨機(jī)搜索的研究熱點(diǎn)之一。粒子群優(yōu)化算法雖然前期的收斂速度快，但后期仍然存在局部搜索能力不足和易陷入早熟收斂的缺點(diǎn)。
　　 本文針對(duì)粒子群算法局部搜索能力不足和易出現(xiàn)早熟收斂的問題，引入動(dòng)態(tài)隨機(jī)搜索技術(shù)，對(duì)種

2、群當(dāng)前最優(yōu)位置進(jìn)行局部搜索，極大地改善了算法局部搜索性能;采用佳點(diǎn)集構(gòu)造對(duì)陷入早熟收斂的種群重新初始化，使種群跳出局部最優(yōu);采用負(fù)梯度方向直線搜索來加速算法尋優(yōu)。仿真實(shí)驗(yàn)結(jié)果表明，本文提出的改進(jìn)算法具有較快的收斂速度而且能有效地跳出局部最優(yōu)，優(yōu)化性能得到明顯提高。
　　 針對(duì)目前的進(jìn)化算法在求解約束優(yōu)化問題時(shí)，處理約束條件的局限性，提出了一種新的求解約束優(yōu)化問題的粒子群算法。該方法重新設(shè)計(jì)了可行解與不可行解的適應(yīng)度函數(shù)，通過新的