粒子群算法(PSO)的详细介绍

《粒子群算法(PSO)的详细介绍》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、西安电子科技大学自然计算论文报告题目：粒子群算法研究及其应用学院：电子工程学院专业：电子与通信工程学号：1302121508姓名：彭正林粒子群算法研究及其应用摘要粒子群算法是在仿真生物群体社会活动的基础上，通过模拟群体生物相互协同寻优能力，从而构造出一种新的智能优化算法。这篇文章简要回顾了粒子群算法的发展历史；着重介绍了粒子群算法的研究内容，包括粒子群算法的基本形式、基本算法流程、标准PSO、算法里的各个参数以及几种常见的改进粒子群算法，还将其与遗传算法做了比较。最后通过基于PSO的PID参数整定，

2、介绍了粒子群算法的广泛应用。关键字：粒子群算法，标准PSO，PID参数整定1.粒子群算法的发展历史粒子群算法（ParticleSwarmOptimization）是一种新的智能优化算法。谈到它的发展历史，就不得不先介绍下传统的优化算法，正因为传统优化算法自身的一些不足，才有新智能优化算法的兴起，而粒子群算法（PSO）就是在这种情况下发展起来的。最优化是人们在科学研究、工程技术和经济管理等领域中经常遇到的问题。优化问题研究的主要内容是在解决某个问题时，如何从众多的解决方案中选出最优方案。它可以定义为：

3、在一定的约束条件下，求得一组参数值，使得系统的某项性能指标达到最优（最大或最小）。传统的优化方法是借助于优化问题的不同性质，通常将问题分为线性规划问题、非线性规划问题、整数规划问题和多目标规划问题等。相应的有一些成熟的常规算法，如应用于线性规划问题的单纯形法，应用于非线性规划的牛顿法、共扼梯度法，应用于整数规则的分枝界定法、动态规划等。列举的这些传统的优化算法能够解决现实生活和工程上的很多问题，但工业和科学领域大量实际问题的困难程度正在日益增长，它们大多是根本无法在可接受的时间内找到解的问题。这类优

4、化问题的困难性不仅体现在具有极大的规模，更为重要的是，它们多数是非线性的、动态的、多峰的、具有欺骗性的或者不具有任何导数信息。因此，发展通用性更强、效率更高的优化算法总是需要的。传统优化算法在碰到这些问题时常常会在计算速度、收敛性以及初值敏感方面表现不足。在过去的30年里，通过从不同角度对生物系统及其行为特征的模拟和建模，发展起来了一类新型的智能优化算法。这些智能算法不要求目标函数必须连续或者可导，对解决实际大项目有很好效果，而且计算速度都很快。这些算法的代表有遗传算法、人工免疫算法、蚁群算法，当然

5、还有这篇文章要介绍的粒子群算法。粒子群算法是R.Eberhart博士和J.Kennedy博士通过对鸟群捕食行为的研究在1995年所提出来的。在自然界中，鸟群运动的主体是离散的，其排列看起来是随机的，但在整体的运动中它们却保持着惊人的同步性，其整体运动形态非常流畅且极富美感。这些呈分布状态的群体所表现出的似乎是有意识的集中控制，一直是许多研究者感兴趣的问题。有研究者对鸟群的运动进行了计算机仿真，他们通过对个体设定简单的运动规则，来模拟鸟群整体的复杂行为。1986年CraigReynolS提出了Boid

6、模型，用以模拟鸟类聚集飞行的行为，通过对现实世界中这些群体运动的观察，在计算机中复制和重建这些运动轨迹，并对这些运动进行抽象建模，以发现新的运动模式。之后，生物学家FrankHeppner在此基础上增加了栖息地对鸟吸引的仿真条件，提出了新的鸟群模型。这个新的鸟群模型的关键在于以个体之间的运算操作为基础，这个操作也就是群体行为的同步必须在于个体努力维持自身与邻居之间的距离为最优，为此每个个体必须知道自身位置和邻居的位置信息。这些都表明群体中个体之间信息的社会共享有助于群体的进化。在1995年，受到Fr

7、ankHeppner鸟群模型的影响，社会心理学博士JamesKennedy和电子工程学博士RussellEherhart提出了粒子群算法。粒子群算法其实也是一种演化计算技术，该算法将鸟群运动模型中的栖息地类比于所求问题空间中可能解的位置，通过个体间的信息传递，导引整个群体向可能解的方向移动，在求解过程中逐步增加发现较好解的可能性。群体中的鸟被抽象为没有质量和体积的“粒子”，通过这些“粒子”间的相互协作和信息共享，使其运动速度受到自身和群体的历史运动状态信息的影响。以自身和群体的历史最优位置对粒子当前

8、的运动方向和运动速度加以影响，较好地协调粒子本身和群体之间的关系，以利于群体在复杂的解空间中进行寻优操作。2.粒子群算法的研究内容PSO算法按其研究方向分为四部分:算法的机制分析研究、算法性能改进研究、算法的应用研究及离散性PSO算法研究。算法的机制分析主要是研究PSO算法的收敛性、复杂性及参数设置。算法性能改进研究主要是对原始PSO算法的缺陷和不足进行改进，以提高原始PSO算法或标准PSO算法的一些方面的性能。目前技术与方法的改进主要是增加算法的多样性、加强局部搜索