(转载)基本粒子群算法及惯性权重分析(matlab实现)

这篇具有很好参考价值的文章主要介绍了(转载)基本粒子群算法及惯性权重分析(matlab实现)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1 理论基础

        粒子群算法(particle swarm optimization,PSO)是计算智能领域,除了蚁群算法、鱼群算法之外的一种群体智能的优化算法。该算法最早由Kennedy和Eberhart在1995年提出的。PSO算法源于对鸟类捕食行为的研究,鸟类捕食时,找到食物最简单有效的策略就是搜寻当前距离食物最近的鸟的周围区域。PSO算法是从这种生物种群行为特征中得到启发并用于求解优化问题的,算法中每个粒子都代表问题的一个潜在解,每个粒子对应一个由适应度函数决定的适应度值。粒子的速度决定了粒子移动的方向和距离,速度随自身及其他粒子的移动经验进行动态调整,从而实现个体在可解空间中的寻优。
        PSO算法首先在可行解空间中初始化一群粒子,每个粒子都代表极值优化问题的一个潜在最优解,用位置、速度和适应度值三项指标表示该粒子特征,适应度值由适应度函数计算得到,其值的好坏表示粒子的优劣。粒子在解空间中运动,通过跟踪个体极值Pbest和群体极值Gbest更新个体位置。个体极值Pbest是指个体所经历位置中计算得到的适应度值最优位置,群体极值Gbest是指种群中的所有粒子搜索到的适应度最优位置。粒子每更新一次位置,就计算一次适应度值,并且通过比较新粒子的适应度值和个体极值、群体极值的适应度值更新个体极值Pbest和群体极值Gbest位置。
(转载)基本粒子群算法及惯性权重分析(matlab实现)

2 案例背景

2.1 问题描述

        本案例寻优的非线性函数为

(转载)基本粒子群算法及惯性权重分析(matlab实现)

        matlab绘图代码和图像如下:

[x,y]=meshgrid(-1.2:0.01:1.2);
z=sin( sqrt(x.^2+y.^2) )./sqrt(x.^2+y.^2)+exp((cos(2*pi*x)+cos(2*pi*y))/2)-2.71289;
mesh(x,y,z)

(转载)基本粒子群算法及惯性权重分析(matlab实现)

        从函数图形可以看出,该函数有很多局部极大值点,而极限位置为(0,0),在(0,0)附近取得极大值。

2.2 解题思路及步骤

基于PSO算法的函数极值寻优算法流程图如图2所示。

(转载)基本粒子群算法及惯性权重分析(matlab实现)

        其中,粒子和速度初始化随机初始化粒子速度和粒子位置;根据式(13-3)计算粒子适应度值;根据初始粒子适应度值确定个体极值和群体极值;根据式(13-1)与式(13-2)更新粒子速度和位置;根据新种群中粒子适应度值更新个体极值和群体极值。
        本案例中,适应度函数为函数表达式,适应度值为函数值。种群粒子数为20,每个粒子的维数为2,算法迭代进化次数为300。

3 MATLAB程序实现

        根据PSO算法原理,在MATLAB中编程实现基于PSO算法的函数极值寻优算法。
%% 清空环境
clc
clear

%% 参数初始化
%粒子群算法中的两个参数
c1 = 1.49445;
c2 = 1.49445;

maxgen=300;   % 进化次数  
sizepop=20;   %种群规模

Vmax=0.5;
Vmin=-0.5;
popmax=2;
popmin=-2;

%% 产生初始粒子和速度
for i=1:sizepop
    %随机产生一个种群
    pop(i,:)=2*rands(1,2);    %初始种群
    V(i,:)=0.5*rands(1,2);  %初始化速度
    %计算适应度
    fitness(i)=fun(pop(i,:));   %染色体的适应度
end

%% 个体极值和群体极值
[bestfitness bestindex]=max(fitness);
zbest=pop(bestindex,:);   %全局最佳
gbest=pop;    %个体最佳
fitnessgbest=fitness;   %个体最佳适应度值
fitnesszbest=bestfitness;   %全局最佳适应度值

%% 迭代寻优
for i=1:maxgen
    
    for j=1:sizepop
        
        %速度更新
        V(j,:) = V(j,:) + c1*rand*(gbest(j,:) - pop(j,:)) + c2*rand*(zbest - pop(j,:));
        V(j,find(V(j,:)>Vmax))=Vmax;
        V(j,find(V(j,:)<Vmin))=Vmin;
        
        %种群更新
        pop(j,:)=pop(j,:)+V(j,:);
        pop(j,find(pop(j,:)>popmax))=popmax;
        pop(j,find(pop(j,:)<popmin))=popmin;
        
        %适应度值
        fitness(j)=fun(pop(j,:)); 
   
    end
    
    for j=1:sizepop
        
        %个体最优更新
        if fitness(j) > fitnessgbest(j)
            gbest(j,:) = pop(j,:);
            fitnessgbest(j) = fitness(j);
        end
        
        %群体最优更新
        if fitness(j) > fitnesszbest
            zbest = pop(j,:);
            fitnesszbest = fitness(j);
        end
    end 
    yy(i)=fitnesszbest;    
        
end
%% 结果分析
plot(yy)
title('最优个体适应度','fontsize',12);
xlabel('进化代数','fontsize',12);ylabel('适应度','fontsize',12);

        最优个体适应度值变化如图3所示。

 (转载)基本粒子群算法及惯性权重分析(matlab实现)

        最终得到的最优个体适应度值为1.0053,对应的粒子位置为(0.0015,-0.0008),PSO 算法寻优得到最优值接近函数实际最优值,说明PSO算法具有较强的函数极值寻优能力。

4 延伸阅读

4.1 惯性权重的选择

        惯性权重w体现的是粒子继承先前的速度的能力,Shi.Y最先将惯性权重引入PSO算法中,并分析指出一个较大的惯性权值有利于全局搜索,而一个较小的惯性权值则更利于局部搜索。为了更好地平衡算法的全局搜索与局部搜索能力,Shi.Y提出了线性递减惯性权重(linear decreasing inertia weight,LDIW),即

(转载)基本粒子群算法及惯性权重分析(matlab实现)

(转载)基本粒子群算法及惯性权重分析(matlab实现)

4.2 w变化的算法性能分析

        算法参数设置:种群规模20,进化300代。每个实验设置运行100次,将100次的平均值作为最终结果。在上述的参数设置下,运用5种w取值方法对函数进行求解,并比较所得解的平均值、失
效次数和接近最优值的次数,来分析其收敛精度、收敛速度等性能。每种w的算法进化曲线如图13-5所示。
(转载)基本粒子群算法及惯性权重分析(matlab实现)
        本案例中,将距离最优解1.0054误差为0.01的解视为接近最优解,将0.8477及更小的解视为陷入局部最优的解。
        由图13-5和表13-1可以看出,惯性权重w不变的粒子群优化算法虽然具有较快的收敛速度,但其后期容易陷入局部最优,求解精度低;而几种w动态变化的算法虽然在算法初期收敛稍慢,但在后期局部搜索能力强,利于算法跳出局部最优而求得最优解,提高了算法的求解精度。
        式(13-5)中w动态变化方法,前期w变化较慢,取值较大,维持了算法的全局搜索能力;后期w变化较快,极大地提高了算法的局部寻优能力,从而取得了很好的求解效果。

(转载)基本粒子群算法及惯性权重分析(matlab实现)文章来源地址https://www.toymoban.com/news/detail-471010.html

到了这里,关于(转载)基本粒子群算法及惯性权重分析(matlab实现)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【综合评价分析】熵权算法确定权重 原理+完整MATLAB代码+详细注释+操作实列

    【综合评价分析】 熵权算法 确定权重 原理+完整MATLAB代码+详细注释+操作实列 文章目录 1. 熵权法确定指标权重 (1)构造评价矩阵 Ymn (2)评价矩阵标准化处理 (3)计算指标信息熵值 Mj (4)计算各指标权重 Nj 2.完整代码 2.1 熵权法(正向化指标) 2.2熵权法(负向化指标)

    2024年01月21日
    浏览(44)
  • 粒子群算法优化支持向量机回归分析,PSO-SVM回归分析

    背影 支持向量机SVM的详细原理 SVM的定义 SVM理论 粒子群算法原理 SVM应用实例,粒子群算法优化支持向量机回归分析,PSO-SVM回归分析 代码 结果分析 展望 完整代码:粒子群算法优化支持向量机回归分析,PSO-SVM回归分析(代码完整,数据齐全)资源-CSDN文库 https://download.csdn.

    2024年03月15日
    浏览(71)
  • 第一章 MEMS惯性器件-加速度计误差分析

    常用MEMS传感器参数分析和应用介绍系列,分十二个章节讨论相关问题: Outline: 第一章 MEMS惯性器件-加速度计误差分析 第二章 MEMS惯性器件-陀螺仪误差分析 第三章 国内工业和消费类厂商惯性器件IMU常见验证手段 第四章 MEMS磁力计与模块的误差分析 第五章 6-DOF与9-DOF模块工厂

    2024年02月09日
    浏览(41)
  • 权重分析——CRITIC权重法

    CRITIC 权重法是一种客观赋权法。其思想在于用两项指标,分别是对比强度和冲突性指标。对比强度使用标准差进行表示,如果数据标准差越大说明波动越大,权重会越高;冲突性使用相关系数进行表示,如果指标之间的相关系数值越大,说明冲突性越小,那么其权重也就越低

    2024年02月05日
    浏览(36)
  • Linux内核组成分析【转载】

    Linux内核是Linux操作系统的核心部分,它是一个类Unix的操作系统内核,提供了必要的服务并管理系统资源。内核充当硬件和软件层之间的接口,使操作系统能够与底层硬件 组件进行通信和控制。以下是Linux内核的一些重要功能: 进程管理:内核管理进程的执行,分配CPU时间、

    2024年01月22日
    浏览(78)
  • HTTP头部信息解释分析(详细整理)(转载)

    这篇文章为大家介绍了HTTP头部信息,中英文对比分析,还是比较全面的,若大家在使用过程中遇到不了解的,可以适当参考下 HTTP 头部解释 1. Accept: 告诉WEB服务器自己接受什么介质类型, / 表示任何类型,type/* 表示该类型下的所有子类型,type/sub-type。 2. Accept-Charset: 浏览

    2024年02月05日
    浏览(41)
  • (转载)matlab遗传算法工具箱

            以下内容大部分来源于《MATLAB智能算法30个案例分析》,仅为学习交流所用。         遗传算法(genetic algorithm,GA)是一种进化算法,其基本原理是仿效生物界中的“物竞天择、适者生存”的演化法则。遗传算法是把问题参数编码为染色体,再利用迭代的方式进行选

    2024年02月07日
    浏览(69)
  • (转载)多种群遗传算法的函数优化算法(matlab实现)

            以下内容大部分来源于《MATLAB智能算法30个案例分析》,仅为学习交流所用。         遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应的全局优化概率搜索算法。由于优化时不依赖于梯度,具有很强的鲁棒性和全局搜索能力

    2024年02月07日
    浏览(51)
  • 【Midjourney】Midjourney 基本操作 ⑤ ( 垫图 - 以图作图 / 上传图片 / 引用链接 + 提示词 | 为提示词添加权重 - ::提示词::权重数字 )

    如果想要在一张图片的基础上 , 绘制另一张图片 , 进行如下操作 ; 将图片从 桌面目录 中拖动到 Discord 界面中 , 拖动完以后 , 会显示如下内容 , 点击回车 , 即可将图片上传到 Discord 中 ; 右键点击图片 , 选择 \\\" 复制链接 \\\" 选项 ; 输入如下指令 , 先复制图片链接 , 然后空格 , 再后

    2024年02月09日
    浏览(51)
  • 数据结构基本概念及算法分析

    数据结构是一门研究非数值计算的程序设计问题中的操作对象,以及它们之间的关系和操作等相关问题的学科 1.1.1 数据 数据: 描述客观事物的符号,是计算机中可以操作的对象,是能被计算机识别,并输入给计算机处理的符号集合. 数据不仅包括整型,实型等数据类型,还包括字符及

    2024年02月15日
    浏览(44)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包