基于遺傳思想改進的粒子群優(yōu)化算法與應用研究.pdf

1、粒子群算法(PSO)屬于帶有全局策略和啟發(fā)性質的群體智能進化計算方法，來自對鳥類群體覓食活動的生物模擬所衍生出基本思想，由美國心理學家Kennedy和電氣工程師Ebethart于1995年共同提出，是一種新興的基于群智能理論的計算技術。該算法主要通過種群粒子間競爭以及合作機制對搜索過程進行優(yōu)化指導，具有良好的通用性及全局性。PSO算法已經(jīng)成為群體智能的典型代表，并因其具有高效率的全局優(yōu)化結果而被廣泛的應用。適用于各種復雜優(yōu)化問題及組合優(yōu)

2、化問題，算法原理簡單、容易操作實現(xiàn)、快速尋優(yōu)收斂，近十年來一直是專家學者研究人工智能的一個重要分支。
　　 針對粒子群算法容易早熟收斂、搜索精度不高、在迭代的后期效率低、容易陷入局部極優(yōu)點等缺陷提出改進辦法，并應用于更加拓展的領域，具有重要的理論價值和現(xiàn)實意義。本文在分析了PSO算法的基本原理和發(fā)展的基礎上，提出改進方案并進行應用實驗。主要研究工作和創(chuàng)新點可歸納如下:
　　 首先，提出了一種改進的粒子群優(yōu)化算法(GAPS

3、O)。在研究、分析了群體智能算法的特點和原理，以及采用粒子群算法與其它算法進行比較后，得出將算法進行融合是較為可行的改進辦法。遺傳算法無論從性質還是特點都與粒子群算法能夠產(chǎn)生很好地配合，所以將遺傳操算子引入到PSO算法的迭代過程中，進行相應的選擇、交叉、變異操作，并采取慣性權重因子非線性遞減機制，從而產(chǎn)生一種基于遺傳操作算子且慣性權重因子非線性遞減的改進粒子群優(yōu)化算法。最后采用4個標準測試函數(shù)對改進的算法是否具有良好法的性能進行優(yōu)化驗證

4、，仿真結果證明了該改進優(yōu)化算法不僅有效地克服了傳統(tǒng)PSO算法的固有缺陷，而且提高了算法的搜索精度，避免了早熟收斂、局部極值現(xiàn)象的發(fā)生。
　　 其次，利用該改進的優(yōu)化算法(GAPSO)優(yōu)化PID控制器參數(shù)。PID控制器參數(shù)的設定值能直接影響控制器的控制性能，是一種基于誤差進行反饋最終達到消除或盡可能減小誤差的控制策略，控制原理簡單，易于操作實現(xiàn)，并有較高的可靠性。由于整定參數(shù)關乎整個PID控制應用的核心，為了取得良好的參數(shù)優(yōu)化效果