控制理论与应用
控製理論與應用
공제이론여응용
CONTROL THEORY & APPLICATIONS
2010年
11期
1479-1488
,共10页
粒子群算法%蚁群算法%参数自适应%进化计算
粒子群算法%蟻群算法%參數自適應%進化計算
입자군산법%의군산법%삼수자괄응%진화계산
为了解决粒子群算法惯性权重自适应问题,提出一种基于蚁群系统的惯性权重自适应粒子群算法(AS-PSO).AS-PSO首先将惯性权重取值区间离散化,各个惯性权重子区间在初期赋予相同的信息素;然后,粒子群算法中的各个粒子,根据各个惯性权重子区间中的信息素浓度和粒子在搜索空间中分布的先验知识,确定各个惯性权重子区间的选择概率,并进而实现粒子的空间搜索;最后,基于粒子的进化信息,实现惯性权重子区间信息素浓度的更新.仿真研究表明,AS-PSO算法在种群进化寻优的同时,能根据种群的进化信息,通过蚁群算法实现惯性权重参数的自适应调整和进化,且不增加测试函数的调用次数;算法寻优性能优于传统的自适应粒子群算法和根据速度信息自适应调整参数的粒子群算法.同时,算法实际应用于复杂系统模型参数的优化估计,获得满意结果.
為瞭解決粒子群算法慣性權重自適應問題,提齣一種基于蟻群繫統的慣性權重自適應粒子群算法(AS-PSO).AS-PSO首先將慣性權重取值區間離散化,各箇慣性權重子區間在初期賦予相同的信息素;然後,粒子群算法中的各箇粒子,根據各箇慣性權重子區間中的信息素濃度和粒子在搜索空間中分佈的先驗知識,確定各箇慣性權重子區間的選擇概率,併進而實現粒子的空間搜索;最後,基于粒子的進化信息,實現慣性權重子區間信息素濃度的更新.倣真研究錶明,AS-PSO算法在種群進化尋優的同時,能根據種群的進化信息,通過蟻群算法實現慣性權重參數的自適應調整和進化,且不增加測試函數的調用次數;算法尋優性能優于傳統的自適應粒子群算法和根據速度信息自適應調整參數的粒子群算法.同時,算法實際應用于複雜繫統模型參數的優化估計,穫得滿意結果.
위료해결입자군산법관성권중자괄응문제,제출일충기우의군계통적관성권중자괄응입자군산법(AS-PSO).AS-PSO수선장관성권중취치구간리산화,각개관성권중자구간재초기부여상동적신식소;연후,입자군산법중적각개입자,근거각개관성권중자구간중적신식소농도화입자재수색공간중분포적선험지식,학정각개관성권중자구간적선택개솔,병진이실현입자적공간수색;최후,기우입자적진화신식,실현관성권중자구간신식소농도적경신.방진연구표명,AS-PSO산법재충군진화심우적동시,능근거충군적진화신식,통과의군산법실현관성권중삼수적자괄응조정화진화,차불증가측시함수적조용차수;산법심우성능우우전통적자괄응입자군산법화근거속도신식자괄응조정삼수적입자군산법.동시,산법실제응용우복잡계통모형삼수적우화고계,획득만의결과.