第九章解连续性优化问题的粒子群优化算法课件.ppt
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《第九章解连续性优化问题的粒子群优化算法课件.ppt》由会员分享,可在线阅读,更多相关《第九章解连续性优化问题的粒子群优化算法课件.ppt(21页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、内容简介内容简介: 粒子群算法(PSO算法) 模拟退火简介模拟退火简介 混沌知识简识简介 两两篇论论文粒子群算法(PSO算法) 算法思想: PSO模拟鸟鸟群的捕食行为。 设设想这样这样一个场个场景:一群鸟在随机搜索食物,在这个区域里只有一块食物,所有的鸟都不知道食物在那里,但是它们知道当前的位置离食物还有多远,那么找到食物的最优策略是什么呢? 最简单有效的就是: 搜寻目前离食物最近的鸟的周围区域 算法介绍绍:vPSO中,每个优化问题的解都是搜索空间中的一只鸟鸟,我们称之为“粒粒子子”。v所有的粒子都有一个由被优化的函数决定的适应值由被优化的函数决定的适应值(fitness valuev 每个粒
2、子还有一个速度速度决定他们飞翔的方向和距离v然后粒子们就追随当前的最优粒子追随当前的最优粒子在解空间中搜索。 PSO初始化为一群随机粒子(随机解),然后通过迭代找到最优解。在每一次迭代中,粒子通过跟踪两个“极值”来更新自己。个体极值个体极值pBestpBest-粒子本身所找到粒子本身所找到的最优解全局极值全局极值gBestgBest-整个种群目前找到整个种群目前找到的最优解粒子群算法(PSO算法) 算法介绍绍: 在找到这两个最优值时,粒子根据如下的公式来更新自己的速度和新的位置:粒子群算法(PSO算法)式)式()2(1)()(112101kkkkkkkkkvxxxgbestcxpbestcvc
3、vvk-粒子的速度向量xk -当前粒子的位置pbestk-粒子本身所能找到的最优解的位置gbestk-整个种群目前找到的最优解的位置c0,c1,c2-群体认知系数注意:每一维粒子的速度都会被限制在一个最大速度注意:每一维粒子的速度都会被限制在一个最大速度v vmaxmax之之内内粒子群算法(PSO算法) PSO算法特点: 基于PSO算法最初是处处理连续优连续优化问题问题的类类似于遗传遗传算法,PSO也是多点搜索PSO算法在多样样性和集中化之间间建立均衡 粒子群算法(PSO算法)程序框架:程序框架:1.对每个粒子初始化,设定粒子数n,随机产生n个初始解或给出n个初始解,随即产生n个初始速度;2.
4、根据当前位置和速度产生各个粒子的新的位置; while(迭代次数规定迭代次数)do3.计算每个粒子新位置的适应值:对各个粒子,若粒子的适应值优于原来的个体极值pbest,设置当前适应值为个体极值pbest;4.根据各个粒子的个体极值pbest找出全局极值gbest;5.按式(1),更新自己的速度,并把它限制在Vmax内;6.按式(2),更新当前位置。 END模拟退火简介模拟退火简介算法的提出算法的提出 模拟退火算法最早的思想由模拟退火算法最早的思想由Metropolis等(等(1953)提出,提出,1983年年Kirkpatrick等将其应用于组合优化等将其应用于组合优化,才得到广泛的应用才得
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 第九 连续性 优化 问题 粒子 算法 课件
![提示](https://www.taowenge.com/images/bang_tan.gif)
限制150内