基于群智能優(yōu)化及其改進算法的性能比較

1.34萬字 35頁 原創(chuàng)作品，已通過查重系統(tǒng)

摘 要
粒子群算法的提出源自鳥群覓食系統(tǒng)，鳥群中的個體與外界環(huán)境及其他個體接觸并互相傳遞信息，在此過程中不斷改進自己覓食的行為，最終尋得食物?；谶@個鳥群覓食系統(tǒng)，許多人開始思考如何通過最優(yōu)方法找到一個區(qū)域里的目標物，由此建立數(shù)學模型，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)化的粒子群改進算法。同時，這種群智能優(yōu)化算法也被應用于各個領域，并與社會生產(chǎn)活動緊密相連，因此研究PSO優(yōu)化算法顯得愈發(fā)重要了。
本文主要研究內容與成果：
（1）簡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)化進展。簡單介紹了粒子群算法主要的四大類：標準PSO參數(shù)改進與變形、混合粒子群算法、離散二進制粒子群算法、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算法，介紹慣性權重 及其改進策略對PSO算法的影響，學習因子 的設置對PSO算法的影響，引入收縮因子 對PSO算法的影響，領域結構對PSO算法的影響。本文著重研究4種對慣性權重進行改進的標準粒子群優(yōu)化算法：線性遞減權重、固定慣性權重、隨機慣性權重、非線性遞減權重。
（3）基于PSO改進算法，對水輪機調節(jié)系統(tǒng)的PID參數(shù)進行優(yōu)化。利用Matlab編程，實現(xiàn)四種PSO改進算法，并將四個誤差積分準則作為適應度函數(shù)對四種算法分別進行實驗，尋找出最優(yōu)時PID參數(shù)的值，進行分析與比較。



關鍵詞：粒子群優(yōu)化算法；慣性權重；PID參數(shù)優(yōu)化；誤差積分準則