粒子群优化算法的研究及其在动态数据校正中应用

《粒子群优化算法的研究及其在动态数据校正中应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、江苏大学硕士学位论文摘要粒子群优化算法(PSO)是近年来被广为关注和研究的一种群体智能优化算法，源于对鸟群觅食行为规律的模拟。PSO算法具有编程简洁易行、调整参数少、收敛速度快和通用性强等优点，然而PSO算法也存在早熟收敛，容易陷入局部最优等缺点。因此本文首先从理论上分析了PSo算法的早熟收敛等问题，进而提出了两种可以避免早熟收敛和增强全局收敛能力的PSO改进算法。其次以连续搅拌反应槽系统(CSTR)为研究对象，将两种PSO改进算法应用到CSTR中动态数据校正领域，从而提出了基于PSO算法的动态数据校正技术研究的新方法。最后通过仿真验证了两种PSO改进算法均能避免早熟收敛和改善

2、全局收敛性能，并且在CSTR动态数据校正中也均能显著提高优化效率和优化性能。本文主要工作如下：1．提出一种基于不确定知识的粒子群优化算法(PSO—UK)。PSO．UK算法将不确定知识引入到粒子群优化算法中，并对个体知识、群体知识和不确定知识随机参数进行了归一化，使得粒子在每一步演化中都能获得完备的知识，从而抑制了粒子的退化，并且克服了粒子早熟现象。理论分析说明了PSO．UK算法具有全局优化能力，最后通过典型测试函数进行优化测试，并与其它改进的PSO算法进行仿真比较，验证了PSO—UK算法的优越性。2．提出了一种基于周期性演化策略的粒子群优化算法(PSO．PES)。PSO．PES

3、算法构建了基于群能量的最优值扰动策略，使得粒子群能够周期性演化，这样既能保持算法的多样性，又能提高算法的收敛速度和精度。PsO．PES算法能有效的避免在求解最优解时的粒子早熟问题，并与PSO—UK算法进行仿真对比，证明了PSO．PES算法有较好的克服粒子早熟收敛特性和提高全局收敛的性能。3．提出将PSO改进算法应用在动态数据校正领域。为了改善动态数据校正性能，将PSO．UK和PSO．PES算法应用在CSTR的动态数据领域里。基于改进PSO算法的的动态数据校正方法能够有效的识别出显著误差，同时也能得到最接近测量值的估计值，并且通过仿真验证了两种新方法的优良效果。关键词：粒子群优化

4、算法，不确定知识，周期性演化策略，动态数据校正，CSTR江苏大学硕士学位论文ABSTRACTInrecentyears，panicleswanll0ptimization(PSO)algorithmaSintelligentoptimizationalgorithmshaSbeen、)~ridelyattention锄dresearched，whichderiVed行omthesimulationofnockforagingbehaVior．PSOalgorithmhastheadVantagewithconciseandeasy，feweradjustedp踟eter，faS

5、tconVergencerate锄dstrongcommonality，howeVer，PSOalgorithmalsohasshortcomingsofprematureconVe唱ence，easytogetintolocaloptimal．Therefore，thispapertheoreticallyanalysistheprematureconVe曙enceofPS0algor{thm，thenproposedtwomodifiedalgorithIIlwhichaVoidedpremanH．econVergenceandenhancetheoVerallconVer

6、genceability．Basedonthecontinuousstin．edtall

7、(reaction(CSTR)systemastheresearchobject，introducePSOalgorithmintothedyn锄icdatarectificationfield，andpmposedthenewmethodsfordyn锄icdatarectificationtechniqueresearch．Finally，thesimulationresultsVeri匆thetwokindsofPSOalgorithmcanaVoidprematureconVerg

8、enceandimproVedglobalconVergence，anddynamicdatarectificationcanbeincreasedsigIlificaultlyinoptimizationemciencyandperfomlanceinCSTR．Themaincontentsareoutlinedasf．ollows：1．UncertainknowledgebaSedonthepanicleswarmoptimizationalgoritllnl(PSO—UK)f．ordy