PSO(Particle Swam Optimization)粒子群优化算法应用.doc

粒子群优化在寻找全局最优解时的动画。

matlab代码粒子群算法粒子群优化 这是用Matlab编写的基本PSO算法。 该代码是矢量化的，可以选择使用并行计算工具箱。 包括演示和示例。 这是学习如何实现PSO算法的一个很好的例子，适用于大规模非线性系统参数估计的全局优化。 稍后将进行改进以提高收敛速度。

在智能领域，大部分问题都可以归结为优化问题。常用的经典优化算法都对问题有一定的约束条件，如要求优化函数可微等，仿生算法是一种模拟生物智能行为的优化算法，由于其几乎不存在对问题的约束，因此，得到广泛应用。本次毕业设计将基于群体智能的粒子群优化算法作为研究课题，主要任务及目标为：熟悉和掌握基本粒子群优化算法的基本原理，分析影响算法性能的参数，熟悉基本粒子群优化算法的改进算法和改进策略，利用Matlab科学计算语言进行算法仿真，掌握科学研究的基本过程和方法。提出一种改进的粒子群优化算法，并进行仿真比较。

粒子群优化最经典的文章，创始人James Kennedy' and Russell Eberhart2于1995年发表的文章。 A concept for the optimization of nonlinear functions using particle swarm methodology is introduced. The evolution of several paradigms is outlined, and an implementation of one of the paradigms is discussed. Benchmark testing of the paradigm is described, and applications, including nonlinear function optimization and neural network training, are proposed. The relationships between particle swarm optimization and both artificial life and genetic algorithms are described