發(fā)布時間：2021-08-07 16:02

　　粒子群優(yōu)化算法是一種基于群體行為的智能優(yōu)化算法,具有計算簡單、易于編程實現(xiàn)、適應性強等特點,適合求解復雜的優(yōu)化問題,但是容易陷入局部極值,并且算法的性能受到可調參數(shù)的影響。目前,對粒子群算法的理論分析工作還不夠完善,同時對于粒子群算法的改進工作往往使得算法更加復雜,給其在工程上的應用帶來一定困難。本文在粒子群算法的收斂性分析和對算法的改進方面做了一定工作,并將算法應用在分數(shù)階系統(tǒng)的辨識上,主要內容有:（1）基于時變離散系統(tǒng)理論對粒子群優(yōu)化算法中粒子軌跡的收斂性進行了分析。在完全保留算法隨機性的前提下,利用蒙特卡洛方法得到了粒子軌跡在常見參數(shù)范圍內的收斂情況。與現(xiàn)有大多文獻不同的是,我們得到的并不是保證粒子軌跡收斂的參數(shù)區(qū)域,而是粒子軌跡在不同參數(shù)下的收斂概率。對不同參數(shù)下粒子的軌跡的仿真實驗證明了用收斂概率來描述粒子的軌跡狀態(tài)要更加準確。（2）給出了一種固定參數(shù)的設定值和一組時變參數(shù)的設定方式。慣性權重和學習因子是影響算法性能的重要參書。首先考慮了固定參數(shù)的情形,基于常用的測試函數(shù),通過仿真實驗研究了不同參數(shù)組合對算法的優(yōu)化性能的影響,在此基礎上推薦了一組固定的參數(shù)組合。鑒于固定參數(shù)的... 

【文章來源】：華北電力大學(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：128 頁

【學位級別】：博士

【部分圖文】：

圖２－２區(qū)域Ａ粒子軌跡?

ｑ＋ｃ２＝０．４８；（３）?ｗ＝０＿４４，?Ｃｌ＋ｃ２?＝?０．０５。粒子的初始條件為：ｘ（０）?＝?１０，?ｖ（０）?＝?０，??同時假設Ａ和＆不變，＝３，?Ａ?＝?ｌ。本節(jié)以下粒子軌跡試驗中，均采用相同的??初始條件。不同參數(shù)下的粒子軌跡如圖２－２所示。??１０ｎ＼ｒ?——參數(shù)１?ｉ〇ｒ?＇一￣——參數(shù)ｔ??＾?＼Ｎｘ．??參數(shù)２?Ｉ??參數(shù)２??｜?５?；?｜?５??萁」、－?＾?〇?ｗ?：??－－＿?????一?＿?一?＿?一?＿?．?．１??一…一－廠…－－－－－－－Ｈ?－５?Ｌｉ——．?．?：??０?１０?２０?３０?０?１０?２０?３０??ｉ?Ｓ．?Ｉ?Ｎ．＾ｋＡ．?Ｉ?ｉ??圖２－２區(qū)域Ａ粒子軌跡?圖２－３區(qū)域Ｂ粒子軌跡??Ｆｉｇ．２－２?Ｐａｒｔｉｃｌｅ?ｔｒａｊｅｃｔｏｒｙ?ｏｆ?ａｒｅａ?Ａ?Ｆｉｇ．２－３?Ｐａｒｔｉｃｌｅ?ｔｒａｊｅｃｔｏｒｙ?ｏｆ?ａｒｅａ?Ｂ??當參數(shù)位于區(qū)域Ｂ中時，七和本２為共軛復數(shù)，均在單位圓內。式（２－２）的解序??列以周期性衰減振蕩的正弦波的形式收斂到ｐ。粒子軌跡為振蕩收斂的形式。屯和??４２到坐標原點的距離是相同，用４表示，則４可由式（２－６）得到：??ｄ２?＝?ＴＰ＾ｉｆ?＝?＝?ｙｆｗ?（２－６）??可以看到，的大小完全由Ｗ決定，不受〇，＋〇２的影響。ＶＶ取定值時，不管ｑ＋＾的??值如何變化，粒子軌跡收斂到Ｐ所用的吋間都是無差別的。義的值隨著Ｗ的增大而??２３??

粒子軌跡的收斂速度就較慢。選取區(qū)域Ｂ中的參數(shù)組合進行粒子軌跡實驗：??（ｌ）ｗ?＝?０．４０，＜＾＋匚２?＝?１．００；?（２）ｉｖ＝０．４０，?Ｃ｜＋ｃ２＝２．００；?（３）?ｗ?＝?０．６０，（＾＋〔２?＝?１．００。??粒子軌跡如圖２－３所示，從中可以看出，盡管＾＋＾并不影響粒子軌跡穩(wěn)定時所用??的振蕩時間，但會影響粒子的振蕩幅值和振蕩頻率。Ｃｌ＋ｃ２增大時，粒子振蕩會更??加劇烈，幅值和頻率都會増大。??當參數(shù)位于區(qū)域Ｃ中時，１和Ａ；２位于Ｚ平面的左半平面，式（２－２）的解序列以??正負衰減振蕩的方式收斂到ｐ。本２為主導極點，設其到原點的距離為４。??＾３?＝?＼＾２＼＝－Ａ：２?（２－７）??令分別對Ｗ和Ｃ，?＋?Ｃ２求偏導，可得：??＾１?＝?＿Ｕ＾－ｒ－Ｗ－＾＋Ｃ＾－１?＜０?（２－８）??ｄｗ?２?２?＾（ｃ，?＋ｃ２?￣?ｗ－１）１?－４ｗ??ｄｃ＾?１?１?（ｃｉ?＋ｃ２）?—ｗ－１?八??－——－—＝－＋?—?－２＞?＞?０?（２－９）??ｄ（ｃｉ?＋ｃ２）?２?２?＾（ｃ，?＋?ｃ２?－?ｉｖ—?ｌ）１?—?Ａｗ??可以看到

【參考文獻】：
期刊論文
[1]具備反向學習和局部學習能力的粒子群算法[J]. 夏學文,劉經(jīng)南,高柯夫,李元香,曾輝.  計算機學報. 2015(07)
[2]多質量彈性扭轉系統(tǒng)的模型辨識[J]. 張永宏,王琦,李遠祿,井晨志.  信息與控制. 2015(01)
[3]自適應慣性權重的改進粒子群算法[J]. 敖永才,師奕兵,張偉,李焱駿.  電子科技大學學報. 2014(06)
[4]基于非均勻變異和多階段擾動的粒子群優(yōu)化算法[J]. 趙新超,劉國蒞,劉虎球,趙國帥.  計算機學報. 2014(09)
[5]帶有分數(shù)階熱流條件的時間分數(shù)階熱波方程及其參數(shù)估計問題[J]. 范文萍,蔣曉蕓.  物理學報. 2014(14)
[6]基于雙模態(tài)自適應小波粒子群的永磁同步電機多參數(shù)識別與溫度監(jiān)測方法[J]. 劉朝華,周少武,劉侃,章兢.  自動化學報. 2013(12)
[7]風電機組驅動系統(tǒng)參數(shù)辨識[J]. 潘學萍,高遠,金宇清,鞠平.  電網(wǎng)技術. 2013(07)
[8]基于分數(shù)階微積分的非線性黏彈塑性蠕變模型[J]. 陳亮,陳壽根,張恒,楊家松.  四川大學學報(工程科學版). 2013(03)
[9]標準粒子群優(yōu)化算法的馬爾科夫鏈分析[J]. 潘峰,周倩,李位星,高琪.  自動化學報. 2013(04)
[10]基于分數(shù)階Maxwell模型的振蕩流傳熱特性分析[J]. 李明震,董金鐘.  北京航空航天大學學報. 2012(11)

博士論文
[1]分數(shù)階控制系統(tǒng)分析及應用研究[D]. 王曉燕.華北電力大學（北京） 2011
[2]分數(shù)階微積分濾波原理、應用及分數(shù)階系統(tǒng)辨識[D]. 李遠祿.南京航空航天大學 2007



本文編號：3328099