《微粒群智能算法的仿真研究+源代码》由会员分享，可在线阅读，更多相关《微粒群智能算法的仿真研究+源代码（5页珍藏版）》请在金锄头文库上搜索。
1、微粒群智能算法的仿真研究+源代码 摘要优化技术是一种基于数学用于求解各种组合优化问题的应用技术。最优化问题是人们在工程、科学研究、经济管理等许多领域中经常碰到的问题，它是指在满足一定的约束条件下，寻找一组参数值，使目标函数达到最大或最小。最优化问题根据其目标函数、约束条件的性质以及优化变量的取值范围可以分为许多类型，例如：根据目标函数和约束条件是否均为线性表达式，把最优化问题划分为线性规划问题和非线性规划问题。针对不同的最优化问题，提出了许多不同的优化方法，如牛顿法、拉格朗日乘子法等。这些优化算法能很好地找到问题的局部最优点，是成熟的局部优化算法。 微粒群优化算法是基于群体智能理论的一种新兴演
2、化计算技术。是一种启发式全局搜索算法，PSO算法通过群体中微粒间的合作与竞争而产生的群体智能指导优化搜索，通过粒子间的竞争和协作以实现在复杂搜索空间中寻找全局最优点，算法具有较强的通用性，具有全局寻优的特点，它具有易理解、易实现、全局搜索能力强等特点，倍受科学与工程领域的广泛关注，已经成为发展最快的智能优化算法之一。论文介绍了粒子群优化算法的基本原理，分析了其特点。文章中围绕粒子群优化算法的原理、特点、参数设置与应用等方面进行全面综述，分析了不同算法对于同一测试函数的仿真，迭代次数对算法结果影响，得出了仿真结果，以及调试代码。最后对其未来的研究提出了一些建议及研究方向的展望 源自六维$论*文|
3、网(加7位QQ3249114毕业论文关键词：粒子群优化算法；参数；最优解AbstractOptimization technology is based on mathematics，it also can solve various combination optimization problems. Many problems possess parameters to be optimized, especially in engineering technology, scientific research and economic management.Optimization is
4、 to look for a set of parameters in definite restriction with the aim of minimize or maximize. According to quality of objective function and restrict condition and scope of variable, optimization problem can be pided into lots of types. For example, if objective function and restrict condition are
5、both lineal expression, this problem belongs to linear programming problem, if not, it belongs to nonlinear programming problem. Different methods have been presented to solved different kinds of problems, such as Newtons method, Lagrange Multiplier Method and so on . These methods can easily find l
6、ocal extreme in different problems.Particle swarm optimization is an emerging global based on swarm intelligence heuristic search algorithm, particle swarm optimization algorithm competition and collaboration between particles to achieve in complex search space to find the global optimum. It is easy
7、 to understand, to achieve, the characteristics of strong global search ability, and has never wide field of science and engineering concern, has become one of the fastest growing intelligent optimization algorithms. This paper introduces the particle swarm optimization basic principles, and analyze
8、s its features. Paper around the particle swarm optimization principles, characteristics, parameters settings and applications to conduct a thorough review, focusing on a single factor analysis of variance, analysis of the particle swarm optimization algorithm in the inertia weight, acceleration fac
9、tor setting the basic properties of the algorithm the impact of the experience of the algorithm given parameter setting. Finally, its future researched and prospects are proposed. 源自六维$论*文|网(加7位QQ3249114Key word：Particle swarm optimization; Parameter; Optimal solution目录摘要 2Abstract 3第一章 绪论 51.1课题的目的
10、与意义 51.2国内外研究现状与水平 6 :像这样的分布式系统需要更强的灵活性和适应性，为了应对随着时间的推移而不断变化的需求。然而，他们被构造的方式通常是很死板，很集中的。这是因为有这一些原因： 在系统中需要准确的控制运算。把什么放在第一位需要一个精确的定义。这是一个过去的方法曾构建于传统的系统。然而集中地、自上而下的控制导致了一些技术问题，和由于未能适应环境的变化而造成的实质性的后果这种集中控制在自然世界中有着强烈的对比。自然系统在不同的层次中具有的特点很大程度的复杂性。这种复杂性意味着自然系统的行为可能会出现不可预知性和不精确性，同时生物和生态系统中他们发现有大幅度的应变能力。弹性系统的例子包括社会昆虫殖民地，哺乳动物的神经系统以及温带地区的群落。这样的弹性系统有几个一个5适应性原则(Adaptability Principle) ,在所需代价不太高的情况下,群体能够在适当的时候改变自身的行为。
