蟻群算法及其對PID參數(shù)優(yōu)化的研究.pdf

1、本文研究了蟻群算法及其對PID參數(shù)優(yōu)化，主要研究內(nèi)容如下： 1．綜述了智能優(yōu)化算法、蟻群算法的機理，論述了蟻群算法產(chǎn)生的背景、國內(nèi)外研究現(xiàn)狀，指出了該算法的特點、存在的問題及應(yīng)用領(lǐng)域。詳細(xì)的闡述并比較了遺傳算法、人工神經(jīng)網(wǎng)絡(luò)等幾種代表性仿生優(yōu)化算法。 2．通過“雙橋?qū)嶒灐狈治隽讼伻旱淖越M織行為及對該行為的數(shù)學(xué)建模。詳細(xì)說明了基本螞蟻算法(As)的模型、實現(xiàn)及其特性。在此基礎(chǔ)上，闡述了ACO的原理，對影響該算法的參數(shù)進行了

2、說明并對AC0的特點及其復(fù)雜度進行了分析。 3．對蟻群算法中α、β、p、m等參數(shù)的設(shè)置作了理論上的研究，對算法參數(shù)的最優(yōu)化配置進行了分析，并采用國際上通用的測試問題庫TSPLIB中的TSP問題作為測試對象進行了仿真實驗，得出了比較適當(dāng)參數(shù)配置方案。 4．對幾種常見的蟻群優(yōu)化算法：最大一最小螞蟻系統(tǒng)、自適應(yīng)蟻群系統(tǒng)、帶交叉算子的蟻群系統(tǒng)和基于排序的螞蟻系統(tǒng)進行了比較深入、系統(tǒng)的分析和研究，并對各算法的性能進行了對比分析。通

3、過仿真實驗可以看出：改良的蟻群算法采用了更為高效的信息素更新和路徑選擇機制，使得改進后算法的全局收斂速度得到明顯的提高。各算法不同程度的避免了出現(xiàn)停滯現(xiàn)象，具有較高的搜索較好解的能力。 5．給出一種嵌入確定性搜索蟻群算法優(yōu)化PID參數(shù)的方法。綜述確定性搜索蟻群算法的收斂過程和求解步驟，并給出其對PID控制器進行參數(shù)的優(yōu)化的具體實現(xiàn)步驟，最后將該優(yōu)化方案應(yīng)用于某型烘干機干燥箱溫度PID系統(tǒng)。該法較好地克服了傳統(tǒng)PID調(diào)節(jié)器參數(shù)尋優(yōu)