畢業論文

打賞
當前位置: 畢業論文 > 電子通信 >

MATLAB混合微粒群算法的性能仿真

時間:2019-06-14 20:32來源:畢業論文
以混合微粒群算法作為示例,它的計算模式是一種典型的群體智能,來進行多樣性地來具體地探索群體智能。并且進行系統化工作對于優化效能評價有關智能微粒群算法。以智能優化的

摘要優化問題存在于現實生活中一般都是是非常復雜的,所有找到最好的解決方法變得不怎么可行。因此,一個明智的方法是尋找一個好的近似解,消耗較小的計算資源。若干個工程問題包含多個目標,同時需要解決,許多技術已經提出,模仿自然的,巧妙的方式探索單一和多目標優化的最優解問題。最早的自然激勵技術是基因和其他進化啟發式喚起達爾文進化原則。
本文以混合微粒群算法作為示例,它的計算模式是一種典型的群體智能,來進行多樣性地來具體地探索群體智能。并且進行系統化工作對于優化效能評價有關智能微粒群算法。以智能優化的基本指標體系作為基礎,組成一種智能微粒群優化動態效能評價模式體系,它能夠綜合評價算法整體優化性能和群體總體尋優動態,并分別對算法群體動態的聚合度、動態的最優值、動態的群體多樣性和重心收斂度等評價模式進行了實例仿真和有效性驗證。36237
畢業論文 關鍵字:微粒群優化算法,混沌粒子,群體智能
Performance simulation of Hybrid Particle Swarm Optimization for MATLAB
ABSTRACT
Real life optimization problems are often so complex that finding the best solution becomes computationally infeasible. Therefore, an intelligent approach is to search for a good approximate solution consuming lesser computational resources. Several engineering problems contain multiple objectives that need to be addressed simultaneously. Many techniques have been proposed that imitate nature’s own ingenious ways to explore optimal solutions for both single and multi-objective
optimization problems. Earliest of the nature inspired techniques are genetic and other evolutionary heuristics that evoke Darwinian evolution principles. 源`自*六)維[論*文'網www.mmeqir.tw
This dissertation presents the persity instance study of swarm intelligence through discussing a typical realization mode-particle swarm optimization(PSO).he systematical study on optimization efficiency evaluation of swarm intelligence is addressed firstly.Based on the basal evaluation index system in the field of intelligent optimization,a kind of evaluation model used to evaluate synthetically the general optimization performance and population dynamics of particle swarm optimization is proposed.This evaluation model including optimum value dynamics,population aggregation dynamics,population persity dynamics,as well as convergence dynamics of population center is simulated and validated by function optimization problems.
Keywords:
Particle swarm optimization algorithm,Chaotic particles,Swarm intelligence
目錄
1    緒論    6
1.1    課題的目的和意義    6
1.2    算法的拓展與改進    7
1.2.1 研究背景    7
1.2.2 PSO算法的改進研究    7
1.3    發展趨勢    9
1.4    本課題的基本內容    9
2    基本粒子群算法    12
2.1 粒子群算法概述    12
2.1.1 粒子群算法發展    12
2.1.2 粒子群算法簡介    12
4.1.3 粒子群算法的特點    13
2.2 基本粒子群算法    14
2.3 粒子群算法的關鍵    17
2.3.1 粒子狀態向量形式的確定    17
2.3.2 適應度函數的建立    17
2.3.3 粒子多樣性的保證    18
2.3.4 粒子群算法的參數設置    18
3    混合粒子群算法    19

源`自*六)維[論*文'網www.mmeqir.tw


3.1 PSO早熟收斂判斷    19
3.2基于基因換位算子改進策略    20
3.3多適應值函數機制    20 MATLAB混合微粒群算法的性能仿真:http://www.mmeqir.tw/tongxin/20190614/34588.html
------分隔線----------------------------
推薦內容
体彩22选5