微粒群優(yōu)化算法的研究及其在PMD補償中的應(yīng)用.pdf

1、微粒群優(yōu)化(Particle Swarm Optimization，PSO)算法是由 Kennedy和Eberhart于1995年提出的一類隨機群集智能優(yōu)化算法。同遺傳算法相比，PSO算法不依靠遺傳算子來操作個體，通過粒子自身的“個體極值”和群體中的“全局極值”來交互信息，具有操作簡單、易于實現(xiàn)和收斂速度較快等特點，現(xiàn)已廣泛應(yīng)用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)、模式識別等多個領(lǐng)域。
　　本文首先詳細(xì)介紹了基本PSO算法的產(chǎn)生背景、研究現(xiàn)狀和應(yīng)

2、用領(lǐng)域，指出了PSO算法的研究方向和熱點，并闡述了PSO算法的基本思想、環(huán)節(jié)和主要特點。
　　其次，由于PSO算法的性能在很大程度上依賴于控制參數(shù)的取值，本文著重分析了參數(shù)元組12{w,c,c}對算法收斂性的影響，并對參數(shù)元組各系數(shù)的選擇也做了比較具體的分析。
　　再次，考慮到PSO算法在解空間尋優(yōu)的過程本身就是一個非線性運動過程，為了平衡算法的全局探索和局部改良能力，本文提出了一種非線性動態(tài)自適應(yīng)調(diào)節(jié)參數(shù)元組12{w,c,

3、c}的方法，使參數(shù)元組各系數(shù)隨微粒目標(biāo)值的變化而自動改變。另外，舍棄了速度項的簡化微粒群算法(SPSO)在保證收斂速度和精度的同時可以使算法更加簡練。本文敘述的自適應(yīng)簡化微粒群優(yōu)化(ASPSO)算法就是基于以上兩點而提出的。
　　最后，本文將ASPSO算法引入到偏振模色散(PMD)自適應(yīng)補償系統(tǒng)中，用以實現(xiàn)對PMD效應(yīng)所造成的光纖傳輸系統(tǒng)性能損傷的動態(tài)有效補償。該補償系統(tǒng)具有靈敏度高，響應(yīng)時間短、誤差小等優(yōu)點，在光纖通信系統(tǒng)的傳輸