發(fā)布時(shí)間：2021-01-08 20:06

　　粒子群優(yōu)化算法（Particle Swarm Optimization,PSO）于1995年被提出,它的出現(xiàn)受到了眾多學(xué)者們的關(guān)注和研究。該算法和傳統(tǒng)的優(yōu)化算法不一樣,它實(shí)際上是一種新型的群體智能優(yōu)化算法,主要優(yōu)點(diǎn)在于其結(jié)構(gòu)簡(jiǎn)單、參數(shù)少、粒子收斂速度快且尋優(yōu)能力較強(qiáng)。自從該算法出現(xiàn)以來(lái),已經(jīng)被廣泛的應(yīng)用于多個(gè)領(lǐng)域且獲得較好的優(yōu)化結(jié)果,包括組合優(yōu)化,神經(jīng)網(wǎng)絡(luò)訓(xùn)練,數(shù)據(jù)挖掘等方面。但是該算法也存在一定的缺點(diǎn),例如容易產(chǎn)生早熟收斂、優(yōu)化精度不高等問(wèn)題。本文主要針對(duì)該算法存在的問(wèn)題提出改進(jìn)型的PSO算法,目的在于提高算法的收斂速度和全局尋優(yōu)能力。并將提出的算法應(yīng)用于光伏發(fā)電系統(tǒng)和特征選擇優(yōu)化問(wèn)題中,從而進(jìn)一步驗(yàn)證提出算法的有效性和價(jià)值性。主要工作如下:（1）本文一開(kāi)始著重介紹了算法的原理和公式等方面,包括PSO算法,QPSO算法和GWO算法。同時(shí)在PSO的基礎(chǔ)上介紹了幾種改進(jìn)方式,并總結(jié)了近幾年P(guān)SO算法的改進(jìn)策略。之后,通過(guò)比較實(shí)驗(yàn)數(shù)據(jù),驗(yàn)證現(xiàn)有算法的可靠性。（2）針對(duì)PSO算法的改進(jìn)之一,量子粒子群算法（Quantum-behaved Particle Swarm Optimization... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

PSO優(yōu)化算法的流程圖

8圖 2.2 PSO 優(yōu)化算法的偽代碼表示圖子群優(yōu)化算法與其他算法的比較子群算法由于其自身的收斂速度快、結(jié)構(gòu)簡(jiǎn)單而廣受追捧。那么它與其他優(yōu)化蜂群算法，差分算法，狼群算法等等有什么區(qū)別呢？

部最優(yōu)的情況。文獻(xiàn)[34]提到一種 Comprehensive Learni)，它使用了一種新的學(xué)習(xí)策略，這種策略能夠提高種群峰上問(wèn)題。在該學(xué)習(xí)策略中，粒子的速度公式被定義為：( )* * *( )ij ij fi j j ijv w v c rand pbest x (1), (2), (3)..., ( )]i i i if f f f D表明個(gè)體最優(yōu)值所對(duì)應(yīng)的粒 i，pb每一維中，設(shè)定一個(gè)隨機(jī)數(shù) rand，根據(jù) rand 值的大小判定粒率ciP ，那么其相應(yīng)的維度將會(huì)遵循自己的 pbest，若小于概粒子的 pbest。其中，概率 有如下定義：10( 1)(exp( ) 1)10.05 0.45*(exp(10) 1)ciiNPP 選擇流程圖如下所示：

【參考文獻(xiàn)】：
期刊論文
[1]基于自適應(yīng)粒子群算法的特征選擇[J]. 李策,王保云,高浩.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(04)
[2]復(fù)雜遮陰條件下光伏系統(tǒng)MPPT控制改進(jìn)PSO算法仿真研究[J]. 張永革,石季英,張文,湯文揚(yáng).  中國(guó)電機(jī)工程學(xué)報(bào). 2014(S1)
[3]基于差分算法的K-均值聚類(lèi)分析[J]. 李聰明.  現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版). 2008(06)
[4]基于啟發(fā)式算法與遺傳算法的配電網(wǎng)重構(gòu)[J]. 余貽鑫,邱煒,劉若沁.  電網(wǎng)技術(shù). 2001(11)

碩士論文
[1]休眠粒子群算法在光伏發(fā)電系統(tǒng)MPPT控制中的應(yīng)用[D]. 張永革.天津大學(xué) 2014



本文編號(hào)：2965219