智能计算方法及应用-群智能算法.ppt

6.3 粒子群算法应用 4. 基于离散PSO的TSP问题求解 实验结果 优点 粒子群优化算法是目前群智能算法中发展较快的分支 粒子群优化算法与其他现代智能优化算法相比，最大的特点就是收敛速度快，尤其在处理连续空间的多目标优化问题上有着非常明显的优势。 粒子群算法思路简单，易于实现，有很大的应用潜力 缺点 快速收敛带来的早熟问题 如何保证全局有哪些信誉好的足球投注网站能力 算法收敛性分析尚不成熟 离散化PSO缺乏相对稳定的算法模型 总结 * * 1. 粒子群算法主要研究方向 算法分析； 粒子群拓扑结构； 参数选择与优化； 社会行为与生物行为的模拟； 与其他演化计算的融合； 应用。 6.2 粒子群优化算法 2. 几种常见的粒子群改进算法： 线性递减惯性权重，收敛因子，最大速度，规范系数 二进制PSO，离散PSO 并行PSO，小生境PSO 混合PSO：模糊PSO、混沌PSO、HPSO、免疫PSO 6.2 粒子群优化算法 3. 标准粒子群算法——惯性权重法 惯性权重概念是由Y.Shi和Eberhart于1998年提出的 其中的ω称为惯性系数，通常随算法的有哪些信誉好的足球投注网站过程从0.9到0.4线性递减；合适的ω取值能够提供算法局部探索与全局开发的平衡能力，同时也降低了算法对于每一回合的速度阈值设定的要求。较大的ω使粒子具备较强的开发能力，较小的ω使粒子具备探索能力 6.2 粒子群优化算法 4. 收敛（压缩）因子法 在惯性权重法的基础上，1999年Clerc提出了收敛因子法 其中，k∈[0,1], φ=c1+c2, φ4，通常设φ=4.1， K≈0.729. 收敛因子法的有点在于能够在广度有哪些信誉好的足球投注网站的前提下保证算法的收敛，无需设定速度最大限制。 6.2 粒子群优化算法 5. 模糊粒子群优化算法 2001年，Y.Shi和Eberhart提出了模糊粒子群算法（Fuzzy PSO），用于解决自适应调整惯性权重递减问题。 Fuzzy PSO的基本思想是建立一个模糊推理系统，根据当前有哪些信誉好的足球投注网站的状态来判断下一回合应该使用怎样的惯性权重 Fuzzy PSO的惯性权重模糊推理系统的输入模糊量有： 1.当前惯性权重：大，中，小 2.规范化当前最优值性能评价(NCBPE)：好，中，差 Fuzzy PSO的惯性权重模糊推理系统的输出模糊量为下一时刻应该使用的惯性权重 6.2 粒子群优化算法 Fuzzy PSO模糊推理系统界面 双输入 单输出 6.2 粒子群优化算法 规范化当前最优性能评价（NCBPE） 3个三角形模糊集 [0, 1] 6.2 粒子群优化算法 6.2 粒子群优化算法 当前惯性权重 3个三角形模糊集 [0.2, 1.1] 6.2 粒子群优化算法 下一时刻的惯性权重的调整量 3个三角形模糊集 [-0.12,0.05] 6.2 粒子群优化算法 模糊推理规则 共9条规则 1，1 → 2 1，2 → 1 1，3 → 1 2，1 → 3 2，2 → 2 2，3 → 1 3，1 → 3 3，2 → 2 3，3 → 1 6.2 粒子群优化算法 5. 模糊粒子群优化算法 模糊推理系统——响应曲面 6.2 粒子群优化算法 5. 模糊粒子群优化算法——优化性能比较 测试目标函数：Rosenbrock函数 6.2 粒子群优化算法 5. 模糊粒子群优化算法——优化性能比较 6.3 粒子群算法应用 1. 粒子群算法的特点 粒子群算法很好的模拟了社会行为和个体行为，在连续空间的多极值寻优问题中表现出了很好的性能； 粒子群算法结构简单，易于实现 粒子群算法经过改良，能够很好的跟其他智能优化方法相结合，同时也能扩展到动态规划，离散空间寻优等更具实用意义的领域 粒子群算法在收敛速度和精度方面能够很好的取得平衡，并易于通过参数的改变来调整算法的倾向性。 6.3 粒子群算法应用 2. 粒子群算法的应用领域 控制领域 模糊控制器，电机控制，机器人实时路径规划…… 优化领域 无线路由协议，多目标优化，工作调度…… 识别决策领域 语言分析，病症诊断，图像分割…… 6.3 粒子群算法应用 1. PID控制问题描述 变量列表： u(t): 控制器输出 e(t): 控制器输入 Kp：比例放大器 Ki：控制器积分系数 Kd：控制器微分系数 6.3 粒子群算法应用 1. PID控制问题描述 PID控制问题的核心即选择三个合适的参数使得控制系统的性能达到最佳。通常，衡量一个控制系统的指标有三个方面：稳定性、准确性和快速性，具体的性能指标有：积分误差，上升时间，超调量等。 常见的确定PID控制器参数的方法有：ZN动态特性法、CC响应曲线法、ISE整定法、极点配置法、根轨迹法、专家智能型PID整定技术、基于模糊推理的PID参数自整定技术以及基于其他智能优化方法