資源描述：
《基于pareto最優(yōu)解的多目標(biāo)pso算法在電機優(yōu)化設(shè)計中的應(yīng)用(轉(zhuǎn)載)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、中山大學(xué)碩士畢業(yè)論文基于Pa陀to最優(yōu)解的多目標(biāo)Ps0算法在電機優(yōu)化設(shè)計中的應(yīng)用論文題目：基于P刪。最優(yōu)解的多目標(biāo)PSO算法在電機優(yōu)化設(shè)計中的應(yīng)用專業(yè)：計算機應(yīng)用技術(shù)碩士生：吳穎指導(dǎo)教師：成良玉教授摘要電動機優(yōu)化設(shè)計的最優(yōu)解與許多因素有關(guān)，如模型的建立、優(yōu)化變量的選取、其某些參量的確定等，最重要的是優(yōu)化方法。傳統(tǒng)的優(yōu)化策略大多基于梯度計算，對函數(shù)的連續(xù)性、導(dǎo)數(shù)的存在性都有較高的要求，對于某些函數(shù)甚至無法保證算法收斂到最優(yōu)，從而限制了其進一步發(fā)展。而粒子群(PSO)智能算法在多目標(biāo)搜索領(lǐng)域有很大發(fā)展?jié)摿?，其主?/p>
2、特點在全局隨機搜索策略，能夠不依賴于初值的選取和不用考慮目標(biāo)函數(shù)本身的是否連續(xù)或者可微。本文的主要目的是建立一個多目標(biāo)電機優(yōu)化設(shè)計模型，并對多目標(biāo)粒子群算法進行研究，在此基礎(chǔ)上通過Paret0最優(yōu)化理論分析，提出一種改進的多目標(biāo)優(yōu)化算法，將其應(yīng)用到該電機優(yōu)化模型上，證明該算法有其相對的合理性和優(yōu)越性。同時，本文介紹了一個電機多目標(biāo)優(yōu)化系統(tǒng)的設(shè)計與實現(xiàn)。本文的主要研究工作包括：1．對電機多目標(biāo)優(yōu)化設(shè)計進行了分析，指出了傳統(tǒng)的優(yōu)化方法存在的不足，建立電機多目標(biāo)優(yōu)化設(shè)計模型。2．重點對多目標(biāo)粒子群算法進行了研究?；?/p>
3、顧了當(dāng)前流行的多目標(biāo)粒子群算法，對基于Pareto非支配最優(yōu)解集的多目標(biāo)粒子群(MOPSO)算法進行理論分析，在其基礎(chǔ)上提出了一種新的全局最優(yōu)值選擇策略，并將P刪。非支配最優(yōu)解集的思想運用到更新個體最優(yōu)值的問題中，加入了擾動因子防止粒子個體陷入局部極值。實驗顯示了該算法的解具有相對較好的均勻性和收斂性。3．實現(xiàn)了電機多目標(biāo)優(yōu)化設(shè)計系統(tǒng)，將改進后的多目標(biāo)粒子群算法運用于該系統(tǒng)，并完成了相應(yīng)的界面和數(shù)據(jù)庫設(shè)計。關(guān)鍵詞：粒子群算法，P鲇咂TO最優(yōu)解，多目標(biāo)優(yōu)化，電機設(shè)計中山大學(xué)碩士畢業(yè)論文基予pareto最優(yōu)解的多
4、目標(biāo)pso算法在電機優(yōu)化設(shè)計中的應(yīng)用誓i專le：趣’pli啦ion“pa磁oso赫io玨融酣M醢蚌。球賧溉P甜icleS啪橢Algorit№iIlMotor哪iIIl婦ionDes啦轟耋萄of：C翻刪efA即重ied{戳矗撒obgyName：WuYingSupervisof：P硒凳ssofCkngLiang弦AbStraet1kS0lutionof蝴des埝nopth詘ionproblemsarerekedw瓶m鋤y粕ctors鰳c董l瑟models，Select主onofVaf主ab缸andp畦ra讎￡er
5、s，越通tkmos￡卻f￡an毫oneismeoptiII疵嫩ionmethod．M．ostof渤ditioIxalmethods棚℃g腳ientjbaSed哪ill也嗽ionstralegy，whichhaVeKg董lrjeqtl蟊ementsintlle∞ntimlityofthemnctiona刪theexistenceofderiVatives，andforS0me龜ncti0Ilstho∞a埝orit№scallnotgu綴mtee∞nverge麟．W毯lethePafticleSⅥ灌獺Opt嗽io
6、n觸go矗hmhavegr嘣刪訓(xùn)iIlthe&ldof翔mh沁巧ective∞arch，witll婦最燦鵬ofglobal黼ndomscarch，tb豇a瑭ori￡hm’spef鰳棚硪ncedoesnot螄ndonillitialValue雒ldnotllavetocollSiderthecom如ityanddif觸nt汕il姆oftl把缸1ctio躲11把maillpu∞oseofthispapcr：1．EstablishamlIlt沁bjediveopt婦婦ionmodel矗)rmotofdes涎n2。P
7、
8、渺po∞anilnpfoVed玎眥牲i—o巧ectiVe搿峨icles、j嘲翻gof主t鼬3．ApplytI心血lpr0W=dalgorithmtolnulti-objectiVemotordc：signoptiIllizationmod
9、el氟D
10、eS逗n搬磚i翻pkll瓣嫩a剃hi-o蜒e髓iVemolor如signsys專em．The臌illreSI粼hacllievam【clItsareasfbnows：l。臻鼯粼k避灘越毯耋耋i-o場e瞧iVe弱鼢毫of文：slj泌。磷赫主z蘞bll，po遍edo
11、越重沁S：bortcomingsoftraditioml0ptiI毗胤ionmethods；establishedamulti—o巧ectiVe越olof◇辨跳a耄赫旌deSig藏l∞d或．2．EI印has該通ontheSnldyofnmni-objectiveparticle繃瑚1nalgo疵hm；proposed雛翻呻V醯辯融io矗辮罐e韶南r瀚摯面蕊觳al甜鶼瞅。陋婦lSo溉沁鞋，a耐putt
