粒子群优化算法是一种基于群体智能的随机全局优化技术,尽管其原理简单易、于实现且功能强大,但目前研究人员还没有对它的工作原理做出足够的解释。将群体优化过程看成一个动态系统的演变,采用线性离散时间系统的分析方法对算法的收敛性进行了分析,导出了简化PSO算法的收敛条件。考虑到参数是影响算法性能和效率的关键因素,利用标准测试函数对算法的参数选择进行了详细的分析,并给出一些指导性原则。
2022-03-06 02:42:08
658KB
1
基于粒子群算法和遗传算法的PID参数优化程序，matlab源代码。内含matlab源代码源代码说参考论文。
2022-03-05 19:49:50
1.18MB
1
仿真实例
天线阵列方向图的设计目标：主瓣宽度10°（第一零陷宽度），要求方向图在 40°、45°、50°、55°、60°生成-90dB的零陷，旁瓣电平-15dB以下（使用吸收边界条件）
具体的算法参数设置和优化结果:
算法中种群的大小设置为 60,每个粒子的维数为 64(其中前32位表示激励幅度大小, 后 32 位表示激励相位大小)，适应度函数包括副瓣区的电平高低和两个零深区的电平高低。
2022-03-03 17:38:51
1.03MB
1
智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码
2022-03-02 23:58:29
345KB
1
针对标准粒子群算法进行多峰函数优化时存在的易陷入局部极值和搜寻效率低的问题，提出了子种群划分和自适应惯性权重改进方法来求解多峰函数。根据群体微粒的相似度将粒子群分成子群体，各子群体围绕一个有最佳适应值的群体中心进行建立，并通过几个经典函数进行求解。实验表明：改进的粒子群算法能快速有效地找到多峰函数的全局最佳值。
2022-03-02 21:09:14
310KB
1
采用粒子群算法处理约束优化问题时，由于约束条件使得解空间成为非凸集合，粒子容易陷入局部最优。混沌变量具有随机遍历的特性，利用这一特性构造了一种随进化代数而退化的变异因子，给出了基于群体适应度方差进行退化混沌变异的粒子群算法，使算法摆脱后期易于陷入局部最优点的束缚，同时又保持前期搜索速度快的特性。通过对2个函数的测试，验证了该方法的可行性。
2022-03-02 11:09:02
2.67MB
1