基于遺傳思想改進(jìn)的粒子群優(yōu)化算法與應(yīng)用研究.pdf

1、粒子群算法(PSO)屬于帶有全局策略和啟發(fā)性質(zhì)的群體智能進(jìn)化計算方法，來自對鳥類群體覓食活動的生物模擬所衍生出基本思想，由美國心理學(xué)家Kennedy和電氣工程師Ebethart于1995年共同提出，是一種新興的基于群智能理論的計算技術(shù)。該算法主要通過種群粒子間競爭以及合作機(jī)制對搜索過程進(jìn)行優(yōu)化指導(dǎo)，具有良好的通用性及全局性。PSO算法已經(jīng)成為群體智能的典型代表，并因其具有高效率的全局優(yōu)化結(jié)果而被廣泛的應(yīng)用。適用于各種復(fù)雜優(yōu)化問題及組合優(yōu)

2、化問題，算法原理簡單、容易操作實現(xiàn)、快速尋優(yōu)收斂，近十年來一直是專家學(xué)者研究人工智能的一個重要分支。
　　 針對粒子群算法容易早熟收斂、搜索精度不高、在迭代的后期效率低、容易陷入局部極優(yōu)點等缺陷提出改進(jìn)辦法，并應(yīng)用于更加拓展的領(lǐng)域，具有重要的理論價值和現(xiàn)實意義。本文在分析了PSO算法的基本原理和發(fā)展的基礎(chǔ)上，提出改進(jìn)方案并進(jìn)行應(yīng)用實驗。主要研究工作和創(chuàng)新點可歸納如下:
　　 首先，提出了一種改進(jìn)的粒子群優(yōu)化算法(GAPS

3、O)。在研究、分析了群體智能算法的特點和原理，以及采用粒子群算法與其它算法進(jìn)行比較后，得出將算法進(jìn)行融合是較為可行的改進(jìn)辦法。遺傳算法無論從性質(zhì)還是特點都與粒子群算法能夠產(chǎn)生很好地配合，所以將遺傳操算子引入到PSO算法的迭代過程中，進(jìn)行相應(yīng)的選擇、交叉、變異操作，并采取慣性權(quán)重因子非線性遞減機(jī)制，從而產(chǎn)生一種基于遺傳操作算子且慣性權(quán)重因子非線性遞減的改進(jìn)粒子群優(yōu)化算法。最后采用4個標(biāo)準(zhǔn)測試函數(shù)對改進(jìn)的算法是否具有良好法的性能進(jìn)行優(yōu)化驗證

4、，仿真結(jié)果證明了該改進(jìn)優(yōu)化算法不僅有效地克服了傳統(tǒng)PSO算法的固有缺陷，而且提高了算法的搜索精度，避免了早熟收斂、局部極值現(xiàn)象的發(fā)生。
　　 其次，利用該改進(jìn)的優(yōu)化算法(GAPSO)優(yōu)化PID控制器參數(shù)。PID控制器參數(shù)的設(shè)定值能直接影響控制器的控制性能，是一種基于誤差進(jìn)行反饋最終達(dá)到消除或盡可能減小誤差的控制策略，控制原理簡單，易于操作實現(xiàn)，并有較高的可靠性。由于整定參數(shù)關(guān)乎整個PID控制應(yīng)用的核心，為了取得良好的參數(shù)優(yōu)化效果