粒子群算法GydF4y2Ba

算法大纲GydF4y2Ba

particleswarmGydF4y2Ba基于在Kennedy和Eberhart描述的算法GydF4y2Ba[1]GydF4y2Ba使用修改在Mezura蒙达斯和科埃略科埃略建议GydF4y2Ba[2]GydF4y2Ba和佩德森GydF4y2Ba[3]GydF4y2Ba。GydF4y2Ba

粒子群算法开始于创建初始颗粒，并赋予它们的初始速度。GydF4y2Ba

它评估在每个粒子的位置的目标函数，并且确定最佳（最低）函数值和最佳位置。GydF4y2Ba

它选择新的速度，根据目前的速度，颗粒的个人最好的位置，以及他们的邻居的最佳地点。GydF4y2Ba

然后它迭代更新粒子的位置（新位置是旧的加速度，修改，以保持范围内的颗粒），速度，和邻居。GydF4y2Ba

迭代过程，直到算法达到停止准则。GydF4y2Ba

这里有步骤的细节。GydF4y2Ba

初始化GydF4y2Ba

默认，GydF4y2BaparticleswarmGydF4y2Ba创建在界限内随机均匀颗粒。如果有一个无界的分量，GydF4y2BaparticleswarmGydF4y2Ba创建具有-1000随机均匀分布的颗粒1000。如果你只有一个约束，GydF4y2BaparticleswarmGydF4y2Ba转移到已结合的作为终点的创建，和间隔2000宽一个创造。粒子GydF4y2Ba一世GydF4y2Ba有位置GydF4y2BaX（ⅰ）GydF4y2Ba，这与一个行向量GydF4y2BanvarsGydF4y2Ba元素。使用控制的初始群的跨度GydF4y2BaInitialSwarmSpanGydF4y2Ba选项。GydF4y2Ba

同样的，GydF4y2BaparticleswarmGydF4y2Ba创建初始粒子速度GydF4y2BavGydF4y2Ba在该范围内随机均匀地GydF4y2Ba[-r，R]GydF4y2Ba，其中GydF4y2Ba[RGydF4y2Ba是初始向量GydF4y2Ba范围GydF4y2Ba。组件的范围GydF4y2BaķGydF4y2Ba是GydF4y2Ba分钟（UB（K） - 磅（K），InitialSwarmSpan（k））的GydF4y2Ba。GydF4y2Ba

particleswarmGydF4y2Ba在评估所有粒子的目标函数。它记录当前位置GydF4y2BaP（I）GydF4y2Ba每个粒子的GydF4y2Ba一世GydF4y2Ba。在随后的迭代，GydF4y2BaP（I）GydF4y2Ba将是最好的目标函数粒子的位置GydF4y2Ba一世GydF4y2Ba找到了。和GydF4y2BabGydF4y2Ba是最好的在所有颗粒：GydF4y2BaB =分钟（乐趣（P（I）））GydF4y2Ba。GydF4y2BadGydF4y2Ba是位置，使得GydF4y2BaB =乐趣（d）GydF4y2Ba。GydF4y2Ba

particleswarmGydF4y2Ba初始化邻域大小GydF4y2BañGydF4y2Ba至GydF4y2BaminNeighborhoodSize = MAX（2，地板（SwarmSize * MinNeighborsFraction））GydF4y2Ba。GydF4y2Ba

particleswarmGydF4y2Ba初始化惯性GydF4y2BaW = MAX（InertiaRange）GydF4y2Ba， 或者如果GydF4y2BaInertiaRangeGydF4y2Ba是负的，它集GydF4y2BaW =分钟（InertiaRange）GydF4y2Ba。GydF4y2Ba

particleswarmGydF4y2Ba初始化制动计数器GydF4y2BaC = 0GydF4y2Ba。GydF4y2Ba

为了标记方便，设置变量GydF4y2BaY1 = SelfAdjustmentWeightGydF4y2Ba和GydF4y2BaY2 = SocialAdjustmentWeightGydF4y2Ba，其中GydF4y2BaSelfAdjustmentWeightGydF4y2Ba和GydF4y2BaSocialAdjustmentWeightGydF4y2Ba是选项。GydF4y2Ba

迭代步骤GydF4y2Ba

该算法更新群如下。对于粒子GydF4y2Ba一世GydF4y2Ba，这是在位置GydF4y2BaX（ⅰ）GydF4y2Ba：GydF4y2Ba

  1. 选择一个随机子集GydF4y2Ba小号GydF4y2Ba的GydF4y2BañGydF4y2Ba颗粒比其他GydF4y2Ba一世GydF4y2Ba。GydF4y2Ba

  2. 找GydF4y2Bafbest（S）GydF4y2Ba，邻居之间的最佳目标函数，GydF4y2Ba克（S）GydF4y2Ba，邻居的最好的目标函数的位置。GydF4y2Ba

  3. 对于GydF4y2BaU1GydF4y2Ba和GydF4y2BaU2GydF4y2Ba长度的均匀（0,1）分布的随机矢量GydF4y2BanvarsGydF4y2Ba，更新速度GydF4y2Ba

    V = W * V + Y1 * U1。*（P-X）+ Y 2 * U2。*（G-X）GydF4y2Ba。GydF4y2Ba

    此更新采用的加权和：GydF4y2Ba

    • 以前的速度GydF4y2BavGydF4y2Ba

    • 的当前位置和最佳的位置上的粒子之间的差已经看到GydF4y2BaP-XGydF4y2Ba

    • 当前位置和当前附近最好的位置之间的差异GydF4y2BaG-XGydF4y2Ba

  4. 更新位置GydF4y2BaX = X + VGydF4y2Ba。GydF4y2Ba

  5. 强制执行的范围。如果任何组件GydF4y2BaXGydF4y2Ba是外部的结合，将其设置等于约束。对于刚刚设置为绑定，如果速度这些组件GydF4y2BavGydF4y2Ba的结合，组速度分量零之外的分量的点。GydF4y2Ba

  6. 评估目标函数GydF4y2BaF =乐趣（x）的GydF4y2Ba。GydF4y2Ba

  7. 如果GydF4y2Ba˚F<乐趣（p）的GydF4y2Ba，然后设置GydF4y2BaP = XGydF4y2Ba。此步骤可确保GydF4y2BapGydF4y2Ba具有颗粒已经看到了最佳位置。GydF4y2Ba

  8. 该算法的下一个步骤适用于整个群的参数，而不是个别的颗粒。考虑最小GydF4y2BaF =分钟（F（j）的）GydF4y2Ba颗粒间GydF4y2BaĴGydF4y2Ba在群。GydF4y2Ba

    如果GydF4y2Ba˚F，然后设置GydF4y2BaB =˚FGydF4y2Ba和GydF4y2Bad = XGydF4y2Ba。此步骤可确保GydF4y2BabGydF4y2Ba已在群最好的目标函数，GydF4y2BadGydF4y2Ba拥有最好的位置。GydF4y2Ba

  9. 如果在前面的步骤中，最好函数值降低，然后组GydF4y2Ba标志=真GydF4y2Ba。除此以外，GydF4y2Ba标志=假GydF4y2Ba。的价值GydF4y2Ba旗GydF4y2Ba在下一步骤中被使用。GydF4y2Ba

  10. 更新附近。如果GydF4y2Ba标志=真GydF4y2Ba：GydF4y2Ba

    1. 组GydF4y2BaC = MAX（0，C-1）GydF4y2Ba。GydF4y2Ba

    2. 组GydF4y2BañGydF4y2Ba至GydF4y2BaminNeighborhoodSizeGydF4y2Ba。GydF4y2Ba

    3. 如果GydF4y2Baç<2GydF4y2Ba，然后设置GydF4y2BaW = 2 *宽GydF4y2Ba。GydF4y2Ba

    4. 如果GydF4y2BaC> 5GydF4y2Ba，然后设置GydF4y2BaW = W / 2GydF4y2Ba。GydF4y2Ba

    5. 确保这件事GydF4y2Baw ^GydF4y2Ba是的边界GydF4y2BaInertiaRangeGydF4y2Ba选项。GydF4y2Ba

    如果GydF4y2Ba标志=假GydF4y2Ba：GydF4y2Ba

    1. 组GydF4y2BaC = C + 1GydF4y2Ba。GydF4y2Ba

    2. 组GydF4y2BaN =分钟（N + minNeighborhoodSize，SwarmSize）GydF4y2Ba。GydF4y2Ba

停止标准GydF4y2Ba

particleswarmGydF4y2Ba重复，直到达到停止标准。GydF4y2Ba

停止选项GydF4y2Ba 停止测试GydF4y2Ba 出口标志GydF4y2Ba
MaxStallIterationsGydF4y2Ba和GydF4y2BaFunctionToleranceGydF4y2Ba 在当前的最优目标函数值的相对变化GydF4y2BaGGydF4y2Ba在过去GydF4y2BaMaxStallIterationsGydF4y2Ba迭代次数小于GydF4y2BaFunctionToleranceGydF4y2Ba。GydF4y2Ba 1GydF4y2Ba
MaxIterationsGydF4y2Ba 迭代达到数GydF4y2BaMaxIterationsGydF4y2Ba。GydF4y2Ba 0GydF4y2Ba
OutputFcnGydF4y2Ba要么GydF4y2BaPlotFcnGydF4y2Ba OutputFcnGydF4y2Ba要么GydF4y2BaPlotFcnGydF4y2Ba可以停止迭代。GydF4y2Ba -1GydF4y2Ba
ObjectiveLimitGydF4y2Ba 最佳目标函数值GydF4y2BaGGydF4y2Ba小于GydF4y2BaObjectiveLimitGydF4y2Ba。GydF4y2Ba -3GydF4y2Ba
MaxStallTimeGydF4y2Ba 最佳目标函数值GydF4y2BaGGydF4y2Ba在过去并没有改变GydF4y2BaMaxStallTimeGydF4y2Ba秒。GydF4y2Ba -4GydF4y2Ba
MAXTIMEGydF4y2Ba 功能运行时间超过GydF4y2BaMAXTIMEGydF4y2Ba秒。GydF4y2Ba -5GydF4y2Ba

如果GydF4y2BaparticleswarmGydF4y2Ba与出口标志停止GydF4y2Ba1GydF4y2Ba它退出后，它任选调用的混合功能。GydF4y2Ba

参考GydF4y2Ba

[1]肯尼迪，J.，和R.埃伯哈特。“粒子群算法”。GydF4y2Ba神经网络的IEEE国际会议论文集。GydF4y2Ba澳大利亚珀斯，1995年，第1942-1945。GydF4y2Ba

[2] Mezura蒙达斯，E.，和C. A.科埃略科埃略。“约束处理的灵感来自大自然的数值优化：过去，现在和未来。”GydF4y2Ba群和进化计算。GydF4y2Ba2011年，第173-194。GydF4y2Ba

[3] Pedersen的，M. E. “好参数粒子群优化”。卢森堡：Hvass实验室，2010。GydF4y2Ba

相关话题GydF4y2Ba

全局优化工具箱文档GydF4y2Ba
金宝app
提示和Tricks-入门使用优化与MATLABGydF4y2Ba

提示和Tricks-入门使用优化与MATLABGydF4y2Ba

立即观看GydF4y2Ba