畢業論文

打賞
當前位置: 畢業論文 > 研究現狀 >

PSO算法研究現狀和發展趨勢

時間:2019-06-14 20:34來源:畢業論文
隨著科學研究的不斷發展,科學家們更好地提高PSO算法的收斂性與獲得更加優化的解,研究員Shi等人提出了一種新的PSO算法[2],慣性權重是它的新的理論基礎,它本質就是改進更新了了

隨著科學研究的不斷發展,科學家們更好地提高PSO算法的收斂性與獲得更加優化的解,研究員Shi等人提出了一種新的PSO算法[2],慣性權重是它的新的理論基礎,它本質就是改進更新了了新的速度值,公式如下所示:36237

vid=w*vid +c1*rand( )*(Pid-xid)+c2*Rand( )*(Pgd-xid)

式子中的w代表慣性權重,它保留了粒子本身的速度,而且在獲得最優值的精確度方面也有了很大的提高。在之后的研究中,研究員們以帶有慣性權的PSO算法作為基礎。他們討論如何精確合理地設置慣性權重,并且使得慣性權重有了可變性[3]。Chatterjee等人為了提升收斂速度,提出了一種慣性權成非線性變化的PSO算法[4]。同時為了保證PSO算法的收斂性,Clerc通過壓縮學習因子得以實現[5]。借鑒遺傳算法中的雜交概念,在每次迭代中,根據雜交概率選取指定數量的粒子放入雜交池內,池中的粒子隨機兩兩雜交,產生同樣數目的子代粒子(child),并且用子代粒子替換親代粒子(parent)。子代位置由父代位置進行算數交叉得到遺傳學的PSO算法。論文網
    Angeline改進的PSO算法通過選擇機制,這種算法很好地解決了對于復雜問題的精確求解。Arumugam等人改進的PSO算法通過改變算法的變異機制,從而達到提高算法的收斂性能的目的。研究員們嘗試研究基于鄰域結構計算局部極值來提高算法的收斂性。粒子群算法的鄰域拓撲結構是由Kennedy首先提出的,通過測試函數,得出了鄰域拓撲結構對于算法的收斂性也有著一定影響。更有一種用于工業的模擬退火算法,模擬退火算法在搜索過程中具有概率突跳的能力,能夠有效地避免搜索過程陷入局部極小解。模擬退火算法在退火過程中不但接受好的解,而且一一定概率接受差的解,而且這種概率收到溫度參數的控制,它的大小隨著溫度的升高而升高。 源¥自%六:維;論-文'網=www.aftnzs.live
除此之外,隨著種群中“被動征集的概念”被引入,粒子群優化算法中信息共享的功能被更好地完善了。通過改進算法與普通算法在許多測試函數的實驗,結果顯示改進后的算法的搜索性能比普通的PSO算法有了很大的改進,隨著更進一步的研究,科學家們結合生物群體的基本功能與特征,提出了一種更新的算法:自適應逃逸PSO算法[6]。通過仿真,我們得出了自適應逃逸PSO算法在手里速度方面有了很大的提高,在搜索性性能方面也比一般的PSO算法更加完善。
協作PSO算法[7](Cooperative particle swarm optimizer)也是一種改進的PSO算法,它是由Bergh等研究員提出的,它的本質是多種群策略。較之一般的PSO算法,它有著豐富的種群多樣性,所以它獲得的最優解也更加精確。
基于“群核”進化的PSO算法[8],廣義粒子群優化模型[9]和廣義粒子群優化算法[10]等等也是基于PSO算法的改進,從而更好地作用在各個領域之中。
身處信息和網絡時代的我們是幸運的,豐富的電子資源能讓我們受益匪淺。如果21世紀是一個信息化全面覆蓋的時代,我們隨時隨地都能通過互聯網了解各種豐富的資源。對于PSO源程序的下載地址更是多到數不勝數。除了一些有專利或者應用于機密行業的程序,許多基礎的,一般的PSO程序都能在網上見到。
發展趨勢
從1995年提出PSO算法以來,它經過了許多改進與優化,一開始的應用領域是非線性函數最優值的求解,隨著不斷地發展與衍變,它如今可以作用在各種各樣的領域之中,它都能起到關鍵性的作用。PSO算法的易接受性使它不斷被開發在全新的領域中。當然,PSO算法也有其局限性,在解決相對復雜的優化問題時的時候,它可能會存在早熟性收斂現象,如何改進和勘探也成了下一步我們需要解決的問題。而且作為一種仿生進化算法,PSO算法根據模擬鳥類進食的問題所衍生的,從而使得它有相對薄弱的理論基礎,我們對于改進各個版本的PSO算法的收斂性也還需要更多的關注。可見,PSO算法還需要更多的研究與勘察,一下幾點是未來對PSO算法的幾項規劃與展望: PSO算法研究現狀和發展趨勢:http://www.aftnzs.live/yanjiu/20190614/34589.html
------分隔線----------------------------
推薦內容
双色球走势图带连线