粒子群算法实验报告(共4页).doc
《粒子群算法实验报告(共4页).doc》由会员分享,可在线阅读,更多相关《粒子群算法实验报告(共4页).doc(4页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、精选优质文档-倾情为你奉上教 师评 阅意 见签名:年 月 日 算法分析与设计 实验报告专 业 班 号 组 别 指导老师 姓 名 同 组 者 实验日期 第十四周 第 3 次实验实验名称 基于粒子群算法的函数优化问题 一、实验项目基于粒子群算法的函数优化问题实验,在Windows下基于Matlab完成编程。二、实验目的粒子群算法,也称粒子群优化算法(Particle Swarm Optimization),缩写为 PSO, 是近年来发展起来的一种新的进化算法((Evolu2tionary Algorithm - EA)。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视,并且在解决实际问
2、题中展示了其优越性。为学习其算法思想,有必要掌握并实现基于粒子群算法的函数优化问题实验。三、实验原理粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation),1995 年由Eberhart 博士和kennedy 博士提出,源于对鸟群捕食的行为研究 。 PSO同遗传算法类似,是一种基于迭代的优化算法。系统初始化为一组随机解,通过迭代搜寻最优值。但是它没有遗传算法用的交叉(crossover)以及变异(mutation),而是粒子在解空间追随最优的粒子进行搜索。同遗传算法比较,PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化,神经
3、网络训练,模糊系统控制以及其他遗传算法的应用领域。四、实验内容1、首先编写通用代码粒子群测试各个函数的主代码写出来,对于不同的测试函数,只需要调用相应的测试函数即可,将各个函数做成.m的文件。matlab源代码程序如下:clear all;clc;format long;%-给定初始化条件-c1=1.4902; %学习因子1c2=1.4901; %学习因子2w=0.7281; %惯性权重MaxDT=1000; %最大迭代次数D=5; %搜索空间维数(未知数个数)N=40; eps=10(-6); %设置精度(在已知最小值时候用)%-初始化种群的个体(可以在这里限定位置和速度的范围)-fori=
4、1:Nfor j=1:D x(i,j)=randn; %随机初始化位置 v(i,j)=randn; %随机初始化速度endend%-先计算各个粒子的适应度,并初始化Pi和Pg-fori=1:Np(i)=function(x(i,:);y(i,:)=x(i,:);endpg=x(1,:); %Pg为全局最优fori=2:Nif function(x(i,:)function(pg)pg=x(i,:);end%-进入主要循环,按照公式依次迭代,直到满足精度要求-for t=1:MaxDTfori=1:N v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:)+c2*rand*
- 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:
- 粒子 算法 实验 报告
限制150内