没有合适的资源?快使用搜索试试~ 我知道了~
粒子群优化算法PSO介绍中英文翻译word版.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 2 下载量 4 浏览量
2022-07-07
05:47:58
上传
评论
收藏 525KB PDF 举报
温馨提示
试读
16页
粒子群优化算法PSO介绍中英文翻译word版.pdf粒子群优化算法PSO介绍中英文翻译word版.pdf粒子群优化算法PSO介绍中英文翻译word版.pdf粒子群优化算法PSO介绍中英文翻译word版.pdf粒子群优化算法PSO介绍中英文翻译word版.pdf粒子群优化算法PSO介绍中英文翻译word版.pdf粒子群优化算法PSO介绍中英文翻译word版.pdf粒子群优化算法PSO介绍中英文翻译word版.pdf
资源推荐
资源详情
资源评论
粒子群优化算法(PSO)介绍
在频谱资源日趋紧张的今天,想要通过增加频谱宽度来提高系统容量的方式
已经很难实现;同时,想在时域、频域或码域进一步提高系统容量已经十分困难。
在这种情形下,人们把目光投向了空域,期望能够从中寻觅新的源泉。随着人们
对于无线移动通信的要求愈来愈高,专门是对高速多媒体传输的迫切需求,与之
相关能够提高系统容量的技术也开始受到人们的特别重视。20 世纪 90 年代以来,
对于群体智能的研究逐渐兴起。
Eberhart和Kennedy于1995年提出的粒子群优化算法 (PSO),作为一种简单有
效的优化算法迅速在各个领域取得了普遍的应用。PSO算法的思想来源是鸟群在
觅食进程中表现的群体智慧。通常单个自然生物并非是智能的,可是整个生物群
体却表现出处置复杂问题的能力,这就是群体智能。各类生物聚集成生物种群,
都有其内在行为规律,而人类作为高级生物,研究并掌握了这种规律,模拟设计
出各类优化算法并运用于各类问题。类似的还有按照生物繁衍特性产生的遗传算
法,对蚂蚁群落食物收集进程的模拟产生的蚁群算法。PSO算法目前已经普遍用
于函数优化、神经网络训练、模糊系统控制和其他遗传算法涉及到的应用领域。
PSO算法较之其他的优化算法实现简单,也没有许多参数需要调整。可是它
也有着收敛过快、易收敛于局部极值的现象,专门是面对高维复杂的问题时如阵
列天线方向图综合问题。人们提出了很多的改良算法,来提高PSO算法的性能。
惯性权重和紧缩因子是目前应用比较普遍的对大体粒子群算法的改良,能够改善
优化性能可是收敛较慢。文献中将粒子群算法和遗传算法在方向图综合上的应用
做了比较,能够看出粒子群算法较之遗传算法有计算量小易于实现等特点,但也
能够看到大体的 PSO算法和遗传算法的收敛速度都不快或往往在某个局部极值
停滞太久很难跳出。
粒子群优化算法(PSO 粒子群优化(PSO:Particle Swarm Optimization))是一种
进化计算技术(evolutionary computation)是一种有效的全局优化技术,有 Eberhart
博士和 kennedy 博士发明。源于对鸟群捕食的行为研究 PSO 是一种基于叠代的优
化工具。系统初始化为一组随机解,通过叠代搜寻最优值。可是并无遗传算法用
的交叉(crossover)和变异(mutation)。而是粒子在解空间跟从最优的粒子进行搜索。
粒子群优化算法是基于一群粒子的智能运动而产生的一类随机进化算法,其长处
是算法超级利于理解和应用。本文介绍了粒子群算法的原理和流程,研究了如何
将这种方式运用于天线阵的方向图综合上,给出了 PSO 算法在综合阵列方向图
的应用实例,表明粒子群算法在天线阵列综合中具有普遍的应用前景。详细的步
骤以后的章节介绍
同遗传算法比较,PSO 的优势在于简单容易实现而且没有许多参数需要调
整。对大体 PSO 算法的速度更新公式中的全局极值给出新的概念,以使粒子群
体维持多样性;适本地缩放适应值,与随机规则一路决定某个粒子作为速度公式
中的全局极值。
用于 PSO 算法后期,形成新的 PSO 算法(NPSO:New PSO)。NPSO 能有效
地改善算法,具有摆脱局部极值的能力。在给定的条件下,选用 3 个函数进行了
测试。实验结果显示,在取得平均适应值方面,该算法比 PSO 算法提高 1162%
——1615%,明显优于大体的普通用于函数优化,神经网络训练,模糊系统控制
和其他遗传算法的应用领域。
人工生命
“人工生命”是来研究具有某些生命大体特征的人工系统。人工生命包括两
方面的内容
(1)研究如何利用计算技术研究生物现象
(2)研究如何利用生物技术研究计算问题
咱们此刻关注的是第二部份的内容。此刻已经有很多源于生物现象的计算技
能。例如,人工神经网络是简化的大脑模型。遗传算法是模拟基因进化进程的。
针对大体粒子群算法的早熟收敛、易收敛于局部极值的特点,提出一种改良的粒
子群优化算法效果,给出了该方式应用于阵列天线方向图综合中的模型和仿真实
例。
此刻咱们讨论另一种生物系统-社会系统。更确切的是,在由简单个体组成
的群落与环境和个体之间的互动行为。也可称做“群智能”(swarm intelligence)。
这些模拟系统利用局部信息从而可能产生不可预测的群体行为
例如 floys 和 boids,他们都用来模拟鱼群和鸟群的运动规律,主要用于运算
机视觉和运算机辅助设计。
在计算智能(computational intelligence)领域有两种基于群智能的算法。蚁群
算法(ant colony optimization)和粒子群算法(particle swarm optimization)。前者是对
蚂蚁群落食物收集进程的模拟。已经成功运用在很多离散优化问题上。
粒子群优化算法(PSO)也是起源对简单社会系统的模拟。最初假想是模拟鸟
群觅食的进程。但后来发觉 PSO 是一种专门好的优化工具,它采用对全局最优
粒子的微扰和跳变的惯性权重策略,专门好地改善了算法的优化速度和收敛精
度。同时,针对参数组合难以肯定的问题,采用 PSO 算法本身来进行优化,选
择出了适合的参数组合。把这种方式运用到矩形阵列天线旁瓣优化和二维稀疏阵
列方向图综合问题上,取得了专门好的效果。
算法介绍
前所述,PSO 模拟鸟群的捕食行为。假想如此一个场景:一群鸟在随机搜
索食物。在那个区域里只有一块食物。所有的鸟都不明白食物在那里。可是他们
明白当前的位置离食物还有多远。那么找到食物的最优策略是什么呢。最简单有
效的就是搜寻目前离食物最近的鸟的周围区域。
PSO 从这种模型中取得启迪并用于解决优化问题。PSO 中,每一个优化问
题的解都是搜索空间中的一只鸟。咱们称之为“粒子”。所有的例子都有一个由
被优化的函数决定的适应值(fitness value),每一个粒子还有一个速度决定他们飞
翔的方向和距离。然后粒子们就跟从当前的最优粒子在解空间中搜索
PSO 初始化为一群随机粒子(随机解)。然后通过叠代找到最优解。在每一次
叠代中,粒子通过跟踪两个“极值”来更新自己。第一个就是粒子本身所找到的
最优解。那个解叫做个体极值
pbest
。另一个极值是整个种群目前找到的最优解。
那个极值是全局极值
gbest
。另外也能够不用整个种群而只是用其中一部份最为
粒子的邻居,那么在所有邻居中的极值就是局部极值。
对于大体的 PSO 算法,超常个体作为
gbest
有可能专门快控制整个群体的运
动行为,从而致使局部最优,影响算法的全局优化性能。在算法收敛的情形下,
由于所有的粒子都向最优解的方向群游,所有的粒子趋向同一,失去了粒子间解
的多样性,使后期的收敛速度明显变慢,同时算法收敛到必然精度时,无法继续
优化。
在找到这两个最优值时,粒子按照如下的公式来更新自己的速度和新的位置
v[] c
1
rand () ( pbest[] present[]) c
2
rand () (gbest[] prensent[]) (3-1)
prensent[] prensent[] v[]
(3-2)
v[]
是粒子的速度,
prensent[]
是当前粒子的位置。
pbest[]
and
gbest[]
如前
概念
rand ()
是介于
(0,1)
之间的随机数。
c
1
,c
2
是学习因子。通常
c
1
c
2
2
。
在每一维粒子的速度都会被限制在一个最大速度V
m ax
,若是某一维更新后的
速度超过用户设定的
V
m ax
,那么这一维的速度就被限定为
V
m ax
。
粒子算法和PSO比较
大多数演化计算技术都是用一样的进程
(1)种群随机初始化;
(2)对种群内的每一个个体计算适应值(fitness value)。适应值与最优解的距离
直接有关;
(3)种群按照适应值进行复制;
(4)若是终止条件知足的话,就停止,不然转步骤 2
从以上步骤,咱们能够看到 PSO 和 GA 有很多一路的地方。二者都随机初
始化种群,而且都利用适应值来评价系统,而且都按照适应值来进行必然的随机
搜索。两个系统都不是保证必然找到最优解
可是,PSO 没有遗传操作如交叉(crossover)和变异(mutation)。而是按照自己
的速度来决定搜索。粒子还有一个重要的特点,就是有记忆。
与遗传算法比较,PSO 的信息共享机制是很不同的。 在遗传算法中,染色
体(chromosomes)彼此共享信息,所以整个种群的移动是比较均匀的向最优区域
移动。在 PSO 中,只有
gbest
(or
1best
)给出信息给其他的粒子,这是单向的信
息流动。整个搜索更新进程是跟从当前最优解的进程。与遗传算法比较,在大多
数的情形下,所有的粒子可能更快的收敛于最优解。
人工神经网络和PSO
剩余15页未读,继续阅读
资源评论
- xuchengqian152023-11-09资源内容总结的很到位,内容详实,很受用,学到了~
- qq_583833762023-08-04感谢大佬分享的资源,对我启发很大,给了我新的灵感。
竖子敢尔
- 粉丝: 1w+
- 资源: 2471
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功