学位论文 > 优秀研究生学位论文题录展示

粒子群优化算法及其应用研究

作　者: 郝瑞芝
导　师: 任小康
学　校: 西北师范大学
专　业: 计算机应用技术
关键词: 粒子群算法 改进单纯形法 量子粒子群 PID控制
分类号: TP301.6
类　型: 硕士论文
年　份: 2010年
下　载: 189次
引　用: 1次
阅　读: 论文下载
 

内容摘要


粒子群优化算法(PSO)是一种基于群体智能的优化方法,它源于对鸟群运动行为的研究。粒子群优化算法的优势在于算法简洁,实现简单,没有过多参数的调整,具有较强的全局搜索能力,因此得到了学术界的广泛重视,已成为一种重要的优化工具,并成功应用于函数优化、动态优化、神经网络训练等领域。但是由于粒子群算法在进化后期存在搜索速度较慢,容易陷入局部最优点以及搜索到解的时间较长且精度不高的缺点,所以对算法进行改进的研究就成为一个必要的课题。本文围绕PSO算法及其应用,就如何改进传统PSO算法性能以及该算法在复杂函数优化与PID控制参数整定领域中进行了深入的研究。本文的主要研究工作可以归纳如下:(1)如何加快粒子群算法的收敛速度和避免出现早熟收敛,一直是大多数研究者关注的重点,针对粒子群优化算法的早熟收敛,容易陷入局部最优等缺点,本文在研究过程中,注重从社会心理学和生物学角度考虑如何改善粒子群算法的性能,提出了一种基于改进单纯形法的量子粒子群算法(SQPSO),该算法将一种成熟的局部搜索技术改进单纯形法与随机的全局优化搜索新方法量子粒子群相结合,更好的平衡了全局搜索和局部搜索能力。通过仿真结果说明了该算法的有效性。(2) PID控制器是工业上广泛应用的能够实现自动控制的方法,算法简单、易实现、可靠性高,参数的整定是PID设计和工程应用的核心问题,为了取得良好的参数优化效果,将改进的粒子群算法(SQPSO)应用到PID控制器的参数优化整定过程中,实验结果验证了该参数优化算法的有效性。

全文目录


摘要  4-5
Abstract  5-9
第一章 绪论  9-14
  1.1 选题背景及研究意义  9-10
  1.2 国内外研究现状  10-12
  1.3 论文主要工作  12
  1.4 论文结构安排  12-14
第二章 基本粒子群优化算法  14-22
  2.1 基本粒子群算法  14-16
    2.1.1 算法原理  14
    2.1.2 数学描述  14-15
    2.1.3 算法流程  15-16
  2.2 标准粒子群算法  16-17
    2.2.1 带惯性权重的粒子群算法  16-17
    2.2.2 带收缩因子的粒子群算法  17
  2.3 复杂度  17-18
  2.4 粒子群算法与其它算法的比较  18-21
    2.4.1 粒子群算法与蚁群算法  18-20
    2.4.2 粒子群算法与遗传算法  20-21
  2.5 本章小结  21-22
第三章 粒子群优化算法收敛性分析及其改进算法  22-29
  3.1 粒子群优化算法收敛性分析  22-24
    3.1.1 粒子运动模型简化  22
    3.1.2 粒子运动轨迹的稳定性分析  22-24
  3.2 粒子群优化算法的缺陷  24-25
  3.3 已有的改进算法  25-28
    3.3.1 离散二进制的PSO  25
    3.3.2 动态目标函数  25-26
    3.3.3 免疫粒子群算法模型  26
    3.3.4 基于遗传思想的粒子群优化算法  26-27
    3.3.5 混沌粒子群优化算法  27
    3.3.6 基于模拟退火的粒子群优化算法  27
    3.3.7 智能单粒子算法  27-28
  3.4 本章小结  28-29
第四章 基于改进单纯形法的量子粒子群算法  29-42
  4.1 引言  29-30
  4.2 量子粒子群算法  30-31
  4.3 改进单纯形法  31-33
  4.4 基于改进单纯形法的量子粒子群优化算法  33-34
  4.5 仿真实验与分析  34-41
    4.5.1 测试函数  34-36
    4.5.2 实验方法  36
    4.5.3 实验分析  36-41
  4.6 本章小结  41-42
第五章 改进的粒子群算法在PID 控制器参数整定中的应用  42-52
  5.1 引言  42-43
  5.2 PID 控制原理  43-47
    5.2.1 PID 控制器参数对控制性能的影响  43-44
    5.2.2 数字PID 控制算法  44-45
    5.2.3 PID 控制系统的性能指标  45-47
  5.3 改进粒子群算法整定PID 参数  47-49
    5.3.1 编码和适应度函数  48
    5.3.2 算法流程  48-49
  5.4 仿真实验及分析  49-51
  5.5 本章小结  51-52
第六章 总结与展望  52-54
  6.1 本文总结  52-53
  6.2 进一步的工作  53-54
参考文献  54-58
致谢  58-59
攻读硕士期间发表论文  59

相似论文

  1. 船用舵机电液伺服单元单神经元PID控制,U666.152
  2. 涵道式无人飞行器系统的建模与控制策略研究,V249.122
  3. 半导体激光器温度控制系统的研究,TP273
  4. 压电驱动微工作台的控制与校正技术研究,TP273
  5. 基于模糊整定PID的海浪运动模拟试验台控制系统设计,TP273.4
  6. 有源电力滤波器及其在配电网中的应用,TN713.8
  7. 基于粒子群的分子对接算法,R91
  8. 多层共挤流涎成形过程温度控制技术研究,TQ320.721
  9. 基于控制方法的粒子群算法改进及应用研究,TP301.6
  10. 基于粒子群算法的露天矿道路路径优化研究,TP301.6
  11. 电渣炉过程控制系统的设计及优化控制,TP273
  12. 工业锅炉水位控制系统的研究,TP273
  13. 移动机器视觉定位导航和自主避障系统的研究,TP242
  14. 移动机器人路径规划研究及仿真实现,TP242
  15. 最优分数阶PID控制器的设计与研究,TP13
  16. 汽车起动机性能高精度高稳定测试方法研究及应用,U467
  17. 量子粒子群算法研究及其在图像矢量量化码书设计中的应用,TP301.6
  18. 变邻域搜索算法研究及在组合优化中的应用,TP301.6
  19. 基于电液比例阀控缸位置系统的控制策略及性能研究,TH137.52
  20. 基于直线电机的机器视觉高速定位系统,TM33
  21. 电力系统无功优化的混合算法研究,TM714.3

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 一般性问题 > 理论、方法 > 算法理论
© 2012 www.xueweilunwen.com