基于群智能優(yōu)化及其改進(jìn)算法的性能比較

1.34萬(wàn)字 35頁(yè) 原創(chuàng)作品，已通過(guò)查重系統(tǒng)

摘 要
粒子群算法的提出源自鳥(niǎo)群覓食系統(tǒng)，鳥(niǎo)群中的個(gè)體與外界環(huán)境及其他個(gè)體接觸并互相傳遞信息，在此過(guò)程中不斷改進(jìn)自己覓食的行為，最終尋得食物。基于這個(gè)鳥(niǎo)群覓食系統(tǒng)，許多人開(kāi)始思考如何通過(guò)最優(yōu)方法找到一個(gè)區(qū)域里的目標(biāo)物，由此建立數(shù)學(xué)模型，提出了粒子群優(yōu)化算法，并隨著研究的深入，提出了不斷優(yōu)化的粒子群改進(jìn)算法。同時(shí)，這種群智能優(yōu)化算法也被應(yīng)用于各個(gè)領(lǐng)域，并與社會(huì)生產(chǎn)活動(dòng)緊密相連，因此研究PSO優(yōu)化算法顯得愈發(fā)重要了。
本文主要研究?jī)?nèi)容與成果：
（1）簡(jiǎn)要回顧了粒子群算法的發(fā)展歷程和PID控制器的參數(shù)優(yōu)化進(jìn)展。簡(jiǎn)單介紹了粒子群算法主要的四大類(lèi)：標(biāo)準(zhǔn)PSO參數(shù)改進(jìn)與變形、混合粒子群算法、離散二進(jìn)制粒子群算法、協(xié)同PSO算法。PID控制器的參數(shù)優(yōu)化發(fā)展經(jīng)歷了傳統(tǒng)整定方法、最優(yōu)整定、智能整定、基于遺傳算法的PID參數(shù)優(yōu)化。
（2）深入而具體研究了粒子群算法及其改進(jìn)算法，介紹慣性權(quán)重 及其改進(jìn)策略對(duì)PSO算法的影響，學(xué)習(xí)因子 的設(shè)置對(duì)PSO算法的影響，引入收縮因子 對(duì)PSO算法的影響，領(lǐng)域結(jié)構(gòu)對(duì)PSO算法的影響。本文著重研究4種對(duì)慣性權(quán)重進(jìn)行改進(jìn)的標(biāo)準(zhǔn)粒子群優(yōu)化算法：線(xiàn)性遞減權(quán)重、固定慣性權(quán)重、隨機(jī)慣性權(quán)重、非線(xiàn)性遞減權(quán)重。
（3）基于PSO改進(jìn)算法，對(duì)水輪機(jī)調(diào)節(jié)系統(tǒng)的PID參數(shù)進(jìn)行優(yōu)化。利用Matlab編程，實(shí)現(xiàn)四種PSO改進(jìn)算法，并將四個(gè)誤差積分準(zhǔn)則作為適應(yīng)度函數(shù)對(duì)四種算法分別進(jìn)行實(shí)驗(yàn)，尋找出最優(yōu)時(shí)PID參數(shù)的值，進(jìn)行分析與比較。



關(guān)鍵詞：粒子群優(yōu)化算法；慣性權(quán)重；PID參數(shù)優(yōu)化；誤差積分準(zhǔn)則