微粒群算法课件.ppt

《微粒群算法课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、智能优化算法(之二:粒子群优化算法)粒子群最佳化演算法ParticleSwarmOptimization(PSO)緒論粒子群最佳化演算法(簡稱為PSO)，是一種以群體為基礎(Population-based)的最佳化搜尋技術由JamesKennedy和RussellEberhart兩位學者於1995年時所提出BionicComputingLab,2005BionicComputingChungYuanChristianUniversity12/21/05DMcourse粒子群最佳化ParticleSwarmsOptimizationRussEberhart整合群體行

2、為、人類決策與鳥群行為發展而成稱為粒子群演算法。【Eberhart,Kennedy,1995】緒論PSO是模擬鳥群覓食的社會行為所衍生從1995年以來陸續有許多研究學者投入研究已經有超過了三百篇以上的研究成果被發表出來起源提出演算法的兩位學者，藉由觀察鳥群覓食的社會行為得到啟發鳥群於食物存在的空間中飛行覓食，一開始並不知道最佳的覓食點在哪個位置每隻鳥可能會憑藉著自己的經驗或是直覺，飛往牠所覺得較佳的地點來搜尋食物BionicComputingLab,2005BionicComputingChungYuanChristianUniversity12/21/05DMco

3、urse鳥群(魚群)行為ParticleSwarmsOptimization師法大自然BionicComputingLab,2005BionicComputingChungYuanChristianUniversity12/21/05DMcourse鳥群(魚群)行為ParticleSwarmsOptimization粒子群特性起源當其他鳥發現了更佳的覓食地點時，鳥群間會有某種類似廣播的溝通行為，漸漸的將其他鳥群引領至較佳的地點這樣的覓食行為是利用社會中所存在的互相影響的概念，來引領所有個體朝向最佳解位置起源粒子群的概念視為一個簡單的社會系統每隻個體被視為一個解答，稱

4、之為粒子(Particle)每個粒子經由適應函數的衡量而具有一個適應値區域最佳解全域最佳解運動向量慣性向量BionicComputingLab,2005BionicComputingChungYuanChristianUniversity12/21/05DMcourseParticleSwarmsOptimizationcraziness動能向量概論PSO向量示意圖目前最佳解區域最佳解W**Rand()*()*Rand()*()=++2維簡例BionicComputingLab,2005BionicComputingChungYuanChristianUnivers

5、ity12/21/05DMcourse粒子群最佳化ParticleSwarmsOptimizationNote合理解目前最優解區域最佳解全域區域符號說明pbest代表粒子本身到目前為止所達到最佳解Pi代表粒子最佳解的位置gbest即代表全體群體到目前為止最佳解Pg代表全體最佳解的位置PSO目標式速度：vid(t+1)=wxvid(t)+c1xrand()x[pid(t)-xid(t)(t)]+c2xrand()x[Pgd(t)-xid(t)(t)]v-速度w-慣性權重C-學習因子pid-區域最佳解Pgd-全域最佳解原來速度vid過去自身經驗同伴飛行經驗運動向量目前的

6、區域最佳解pbest目前的全域最佳解gbest原來位置xid(t)新位置xid(t+1)原來速度vid(t)新速度vid(t+1)位置：xid(t+1)=xid(t)+vid(t+1)PSO流程以任意的位置和速度來初始化粒子評估各個粒子的適應值更新pbest與gbest值更新各個粒子位置及速度開始滿足終止條件結束否是PSO演算法1.以任意的位置和速度來初始化粒子2.利用適應函數計算每個粒子的適應値3.將粒子的適應值和pbest值作比較，假如優於pbest值，則更新pbest值及其位置4.將粒子的適應值和gbest值作比較，如果優於gbest值，則更新gbest值及其

7、位置5.依照下面的兩個式子來改變粒子的速度和位置:6.回到步驟2重複執行這些步驟，直到停止準則條件符合為止，通常停止準則會被設定為到達最大執行次數，或是達到所期望的適應值時。RastriginBionicComputingLab,2005BionicComputingChungYuanChristianUniversity12/21/05DMcourse相關論文研討ParticleSwarmsOptimizationPerformancetestRosenbrock粒子群优化算法的分析与改进Rosenbrock函數Rastrigin函數PSO特性PSO演算法類似