粒子群優(yōu)化算法（Particle Swarm Optimization,PSO）是基于群體智能理論的生物啟發(fā)式優(yōu)化算法。該算法源于社會型群體生物簡單的社會行為模擬,它的本質思想是通過群體中個體與個體間的合作與競爭涌現(xiàn)的群集智能為優(yōu)化問題提供一種新的解決方案。 粒子群算法由于其算法簡單、容易實現(xiàn),沒有過多的參數(shù)需要調整等優(yōu)點,自從1995年由Kennedy提出后,目前已引起學者的廣泛關注,并成為人工生命計算研究的一大熱點。但作為一種較新的人工生命計算方法,它的研究還處于初級階段,其算法理論不夠深入,應用范圍有待擴展。本文從粒子群算法的機理、算法的改進和算法的應用等三個方面對其進行了深入系統(tǒng)的研究,具體內容如下: a)對粒子群算法的研究現(xiàn)狀、發(fā)展趨勢、應用情況等方面進行了詳細的綜述;介紹了目前比較典型的群體智能算法,并分析了算法各自的特點。 b)對粒子群算法的重要參數(shù)—慣性權重進行了試驗研究,提出了一種非線性動態(tài)自適應的慣性權重調節(jié)方法,該方法解決了PSO算法慣性權重選擇對問題的依賴性,免除了人工調整的麻煩。 ... 

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 論文研究背景
    1.2 群體智能算法
    1.3 串聯(lián)盤輸送機概述
    1.4 本文的創(chuàng)新點與結構
2 粒子群優(yōu)化算法綜述
    2.1 基本粒子群算法
    2.2 算法流程
    2.3 粒子群算法的改進
    2.4 粒子群優(yōu)化算法的應用
    2.5 本章小節(jié)
3 慣性權重的實驗分析
    3.1 標準測試函數(shù)選擇及參數(shù)設置
    3.2 慣性權重的數(shù)學表達式
    3.3 試驗參數(shù)設置
    3.4 試驗結果與分析
    3.5 本章小節(jié)
4 基于差分進化的一種新型混合粒子群算法
    4.1 標準粒子群算法
    4.2 差分進化算法
    4.3 基于差分進化的混合粒子群算法
    4.4 試驗設置與測試函數(shù)
    4.5 試驗結果
    4.6 本章小節(jié)
5 基于粒子群算法的串聯(lián)盤輸送機智能控制
    5.1 串聯(lián)盤式管道連續(xù)輸送機簡介
    5.2 輸送系統(tǒng)運行阻力的確定
    5.3 串聯(lián)盤管道連續(xù)輸送機控制系統(tǒng)
    5.4 控制系統(tǒng)的非線性數(shù)學模型線性化
    5.5 基于粒子群算法的 PID 控制器設計
    5.6 本章小節(jié)
6 結論與展望
作者在攻讀碩士學位期間發(fā)表的學術論文
致謝
參考文獻


【參考文獻】：
期刊論文
[1]串聯(lián)盤式管道連續(xù)輸送機受料系統(tǒng)運動參數(shù)的確定[J]. 欒麗君,陳凱,任立義,聞梆椿.  機械傳動. 2006(01)
[2]串聯(lián)盤式管道連續(xù)輸送機布置方式及力學分析[J]. 欒麗君,毛君,任立義.  機械設計. 2005(01)
[3]基于帶變異算子粒子群優(yōu)化算法的約束布局優(yōu)化研究[J]. 李寧,劉飛,孫德寶.  計算機學報. 2004(07)
[4]串聯(lián)盤輸送機驅動方式的確定及運動分析[J]. 徐萃萍,欒麗君.  煤礦機械. 2004(07)
[5]基于粒子群算法的移動機器人路徑規(guī)劃[J]. 秦元慶,孫德寶,李寧,馬強.  機器人. 2004(03)
[6]帶時間窗車輛路徑問題的粒子群算法[J]. 李寧,鄒彤,孫德寶.  系統(tǒng)工程理論與實踐. 2004(04)
[7]免疫粒子群優(yōu)化算法[J]. 高鷹,謝勝利.  計算機工程與應用. 2004(06)
[8]IIR數(shù)字濾波器設計的粒子群優(yōu)化算法[J]. 侯志榮,呂振肅.  電路與系統(tǒng)學報. 2003(04)
[9]串聯(lián)盤式管道連續(xù)輸送機牽引力的確定[J]. 欒麗君,毛君,任立義.  遼寧工學院學報. 2003(03)
[10]基于粒子群游算法的同步發(fā)電機參數(shù)辨識[J]. 龍云,王建全.  大電機技術. 2003(01)

博士論文
[1]粒子群優(yōu)化算法的改進及應用[D]. 王俊偉.東北大學 2006



本文編號：3682056