论文摘要
粒子群优化算法是一种具有深刻智能背景的群体进化算法,应用灵活、易于实现和协同搜索等特点使其成为求解复杂优化问题的有效途径。因此,分析研究粒子群优化算法的进化特性与进化规律,是一个具有理论和应用双重意义的课题,并且对拓宽算法的应用领域有着重要的现实意义。本文以控制方法为基础,从粒子群优化算法的收敛性、结构改进以及应用等方面展开讨论,具体研究内容如下:(1)基本粒子群优化算法(PSO)的简介。文中阐述了粒子群优化算法的基本原理和实现流程,系统的从多方面综述了算法的理论研究与应用研究现状,并简述了粒子群算法的研究中尚待解决的一些问题。(2)基本粒子群算法的收敛性分析。文中以一种典型的粒子运动轨迹收敛性分析方法为基础,分别讨论了Pbest时变,Gbest时不变以及Pbest和Gbest均时变两种情况下单个粒子运动轨迹的收敛性,得到了更具有普遍意义的保证算法收敛的参数约束条件,仿真结论验证了文中得到的参数约束条件的有效性和合理性。(3)模糊PID-PSO算法及其收敛性分析。根据粒子群优化算法的进化方程模型可将算法视为一个双输入单输出的反馈控制系统。以此为基础,本文提出了模糊PID-PSO算法并对算法的收敛性进行了系统的分析。仿真结论表明,模糊PID-PSO算法在寻优精度和效率上均有较好的表现,有效平衡了算法的局部挖掘能力和全局探索能力。在Anderson系统中利用模糊PID-PSO算法对电力系统稳定器(PSS)的参数进行优化,特征值及阻尼系数分析表明,利用模糊PID-PSO算法优化的PSS参数显著的提高了系统的稳定性。(4)基于随机系统鲁棒控制的粒子群优化算法。PSO算法的有限代收敛控制可以视为鲁棒控制问题。本文以基本粒子群算法的进化方程为基础,将算法重新定义成为一种随机离散控制系统模型,通过引入控制变量,利用H2/H∞鲁棒控制方法构建一种新的混合H2/H∞a-PSO算法。同时,又构建了模糊PID-PSO与混合H2/H∞-PSO的混合优化算法。仿真测试结论验证了新定义的算法模型的合理性以及两种算法的有效性。
论文目录
相关论文文献
- [1].粒子群优化算法在港口船舶物流中的应用[J]. 舰船科学技术 2020(04)
- [2].求解电力系统经济调度问题的改进粒子群优化算法[J]. 控制与决策 2020(08)
- [3].基于改进粒子群优化算法的溶解氧调控系统设计[J]. 传感器与微系统 2020(06)
- [4].基于改进粒子群优化算法的微电网经济调度研究[J]. 上海电气技术 2020(02)
- [5].粒子群优化算法[J]. 软件 2020(05)
- [6].基于扩容和双距离决策的多目标粒子群优化算法[J]. 重庆邮电大学学报(自然科学版) 2020(03)
- [7].改进粒子群优化算法及其在聚类分析中应用[J]. 系统仿真学报 2020(08)
- [8].优质个体最优动态空间变异的粒子群优化算法[J]. 计算机应用研究 2020(08)
- [9].基于自适应粒子群优化算法的无人机三维航迹规划[J]. 海军航空工程学院学报 2020(03)
- [10].基于并行结构的多种群粒子群优化算法[J]. 传感器与微系统 2020(09)
- [11].融入社会影响力的粒子群优化算法[J]. 计算机科学与探索 2020(11)
- [12].基于改进粒子群优化-反向传播神经网络的制造业产能预测[J]. 机械制造 2019(03)
- [13].层次学习骨干粒子群优化算法[J]. 控制与决策 2016(12)
- [14].一种面向网络边缘任务调度问题的多方向粒子群优化算法[J]. 计算机应用与软件 2017(04)
- [15].基于粒子群优化的组播路由算法研究[J]. 信息与电脑(理论版) 2017(10)
- [16].改进的粒子群优化算法的研究[J]. 科技创新与生产力 2017(09)
- [17].一种改进的粒子群优化算法[J]. 陕西师范大学学报(自然科学版) 2016(02)
- [18].改进惯性权重的简化粒子群优化算法[J]. 湖北民族学院学报(自然科学版) 2016(01)
- [19].粒子群优化算法基本研究[J]. 科技经济导刊 2016(21)
- [20].中心粒子群优化算法[J]. 电子测试 2014(23)
- [21].基于粒子群优化算法的器件模型表面势求解[J]. 计算机时代 2015(03)
- [22].具有反向学习和自适应逃逸功能的粒子群优化算法[J]. 计算机应用 2015(05)
- [23].基于不同学习模型的精英反向粒子群优化算法[J]. 小型微型计算机系统 2015(06)
- [24].改进惯性权重的粒子群优化算法[J]. 河西学院学报 2020(05)
- [25].基于粒子群优化算法的算法实现及建筑生形——模拟鸟类觅食形态的建筑雏形设计[J]. 华中建筑 2020(02)
- [26].基于动态种群的双重学习粒子群优化算法[J]. 南昌工程学院学报 2020(01)
- [27].基于博弈机制的多目标粒子群优化算法[J]. 计算机工程与设计 2020(04)
- [28].求解特征值互补问题的基本粒子群优化算法[J]. 内蒙古民族大学学报(自然科学版) 2020(03)
- [29].进化状态判定与学习策略协同更新的二进制粒子群优化算法[J]. 浙江工业大学学报 2020(05)
- [30].粒子群优化算法中惯性权重改进策略综述[J]. 渤海大学学报(自然科学版) 2019(03)