使用粒子群算法求最优解问题相较于传统算法计算速度非常快，全局搜索能力也很强；PSO对于种群大小不十分敏感，所以初始种群设为500-1000，速度影响也不大；
粒子群算法适用于连续函数极值问题，对于非线性、多峰问题均有较强的全局搜索能力。本教程主要介绍使用matlab工具箱使用以及实用案例。
2021-09-18 12:03:14
1.82MB
1
针对非线性系统,提出了一种基于BP神经网络的预测控制方法。以BP神经网络建立多步预测模型并预测系统输出值,用LM(Levenberg-Marquardt)算法和PSO(Particle Swarm Optimization)算法组合的混合算法对目标性能指标函数进行滚动优化求解,得到非线性系统的最优控制量;利用误差修正参考输入法实现反馈矫正。通过将粒子群算法引入LM算法,克服了LM算法依赖初值和粒子群算法过早收敛于局部极值的问题,提高了求解的运行速度和精确度。通过对单变量非线性系统仿真实验,证明了该控制系统具有良好的稳定性、自适应性和鲁棒性。该方法可在数学模型不确定的情况下设计出有效的预测控制器。
2021-09-17 14:17:25
259KB
1
针对细菌觅食算法在优化过程中环境感知能力较弱且容易陷入局部极值的缺陷, 将梯度粒子群算法的基本思想引入细菌觅食算法中, 改进原算法的收敛速度和收敛能力, 并据此提出了基于梯度粒子群算法的细菌觅食算法GPSO-BFA。该既利用了细菌觅食算法出色的全局搜索能力, 又借助梯度粒子群算法的快速局部寻优能力, 很好地将两者的优势结合在一起。基于6个高维Benchmark函数的实验结果显示, 该算法在收敛速度和精度方面都优于其他四种细菌觅食算法。
2021-09-17 11:02:26
1.73MB
1
本算法为混合算法，粒子群算法和遗传算法相结合，有很好的性能，程序中以函数优化为例，并且有适应度趋势图，代码有注释！代码有注释！代码有注释！
2021-09-12 14:59:48
2KB
1