计算智能-智能信息处理-实验四基于粒子群优化算法的函数优化问题求解
需积分: 5 111 浏览量
2024-01-21
21:02:58
上传
评论
收藏 389KB PDF 举报
一、实验目的
1、熟悉和掌握粒子群优化算法的基本概念和基本思想；
2、加深对粒子群优化算法的理解，理解和掌握粒子群优化算法的各个参数；
3、理解和掌握利用粒子群优化算法进行问题求解的基本技能。
二、实验要求
用粒子群优化算法编写程序求解下面的函数优化问题：
求解如下函数的最大值。
参数设定为：c1=1.49，c2=1.49，最大迭代次数为 300，种群规模为 20，
最大速度为 0.5，最小速度-0.5，位置最大值 2，位置最小值-2。
1、采用 MATLAB 编程，要求每行代码后写注释，注明该代码完成的操作，
代码完整且可运行；
2、给出 MATLAB 运行结果图，要求显示最终求出的全局最优解，以及算法
性能跟踪图。
3、根据运行结果图，分析实验结果。
二、 实验原理
1.理论基础
粒子群算法(particle swarm optimization,PSO)是计算智能领域一种群体智能
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 算法就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。
假设在一个 D 维的搜索空间中，由 n 个粒子组成的种群 ，
-2.71289
资源评论
