資源描述：
《MATLAB課程設計的報告報告》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。
1、，，，，，專業(yè)參考資料華東交通大學MATLAB程序設計報告書課題名稱：基于MATLAB的粒子群優(yōu)化算法的實現(xiàn)姓名：學號：20160280800014專業(yè)：控制科學與工程2016年11月20日，，，，，word,,,,,,資料下載可編輯，，，，，專業(yè)參考資料基于MATLAB的粒子群優(yōu)化算法的實現(xiàn)一、課程選題目的本次課程設計的課題為《基于MATLAB的粒子群優(yōu)化算法的實現(xiàn)》，主要為學會運用MATLAB對實際算法編程，加深對粒子群優(yōu)化算法的理解，并為今后熟練使用MATLAB進行系統(tǒng)的分析仿真和設計奠定基礎。數(shù)值計算分析可以幫助更深入地
2、理解理論知識，并為將來使用MATLAB進行各領域數(shù)值分析分析和實際應用打下基礎。此次課程主要是為了進一步熟悉對MATLAB軟件的使用，以及學會利用MATLAB對數(shù)值運算這種實際問題進行處理，將理論應用于實際，加深對它的理解。二、粒子群優(yōu)化算法原理優(yōu)化是科學研究、工程技術(shù)和經(jīng)濟管理等領域的重要研究工具。它所研究的問題是討論在眾多的方案中尋找最優(yōu)方案。例如，工程設計中怎樣選擇設計參數(shù)，使設計方案既滿足設計要求又能降低成本；資源分配中，怎樣分配有限資源，使分配方案既能滿足各方面的基本要求，又能獲得好的經(jīng)濟效益。在人類活動的各個領域中，
3、諸如此類，不勝枚舉。優(yōu)化這一技術(shù)，正是為這些問題的解決，提供理論基礎和求解方法，它是一門應用廣泛、實用性很強的科學。近十余年來，粒子群優(yōu)化算法作為群體智能算法的一個重要分支得到了廣泛深入的研究，在路徑規(guī)劃等許多領域都有應用。2.1粒子群優(yōu)化算法的起源粒子群優(yōu)化（PSO）算法是由Kennedy和Eberhart于1995年用計算機模擬鳥群覓食這一簡單的社會行為時，受到啟發(fā)，簡化之后而提出的。設想這樣一個場景：一群鳥隨機的分布在一個區(qū)域中，在這個區(qū)域里只有一塊食物。所有的鳥都不知道食物在哪里。但是他們知道當前的位置離食物還有多遠。那
4、么找到食物的最優(yōu)策略是什么呢。最簡單有效的方法就是追尋自己視野中目前離食物最近的鳥。如果把食物當作最優(yōu)點，而把鳥離食物的距離當作函數(shù)的適應度，那么鳥尋覓食物的過程就可以當作一個函數(shù)尋優(yōu)的過程。魚群和鳥群的社會行為一直引起科學家的興趣。他們以特殊的方式移動、同步，不會相互碰撞，整體行為看上去非常優(yōu)美。生物學家CargiReynolds提出了一個非常有影響的鳥群聚集模型。在他的模擬模型boids中，每一個個體遵循：避免與鄰域個體相沖撞、匹配鄰域個體的速度、試圖飛向感知到的鳥群中心這三條規(guī)則形成簡單的非集中控制算法驅(qū)動鳥群的聚集，在一
5、系列模擬實驗中突現(xiàn)出了非常接近現(xiàn)實鳥群聚集行為的現(xiàn)象。該結(jié)果顯示了在空中回旋的鳥組成輪廓清晰的群體，以及遇到障礙物時鳥群的分裂和再度匯合過程。由此受到啟發(fā)，經(jīng)過簡化提出了粒子群優(yōu)化算法。2.2粒子群優(yōu)化算法的原理在粒子群優(yōu)化算法中，每個優(yōu)化問題的潛在解都是搜索空間中的一只鳥，稱之為“粒子”，，，，，word,,,,,,資料下載可編輯，，，，，專業(yè)參考資料。所有的粒子都有一個由被優(yōu)化的函數(shù)決定的適應值，每個粒子還有一個速度決定他們飛翔的方向和距離。然后粒子們就追隨當前的最優(yōu)粒子在解空間中搜索。優(yōu)化開始時先初始化為一群隨機粒子（隨機
6、解）。然后通過迭代找到最優(yōu)解。在每一次迭代中，粒子通過跟蹤兩個極值來更新自己。第一個極值就是整個種群目前找到的最優(yōu)解。這個極值是全局極值。另外也可以不用整個種群而只是用其中一部分作為粒子的鄰居，那么在所有鄰居中的極值就是局部極值。第二個極值是粒子本身所找到的最優(yōu)解，稱為個體極值。這是因為粒子僅僅通過跟蹤全局極值或者局部極值來更新位置，不可能總是獲得較好的解。這樣在優(yōu)化過程中，粒子在追隨全局極值或局部極值的同時追隨個體極值則圓滿的解決了這個問題。這就是粒子群優(yōu)化算法的原理。在算法開始時，隨機初始化粒子的位置和速度構(gòu)成初始種群，初始
7、種群在解空間中為均勻分布。其中第i個粒子在n維解空間的位置和速度可分別表示為Xi=（xi1,xi2,…,xid）和Vi=（vi1,vi2,…,vid），然后通過迭代找到最優(yōu)解。在每一次迭代中，粒子通過跟蹤兩個極值來更新自己的速度和位置。一個極值是粒子本身到目前為止所找到的最優(yōu)解，這個極值稱為個體極值Pbi=（Pbi1,Pbi2,…,Pbid）。另一個極值是該粒子的鄰域到目前為止找到的最優(yōu)解，這個極值稱為整個鄰域的最優(yōu)粒子Nbesti=(Nbesti1,Nbesti2,…,Nbestid)。粒子根據(jù)如下的式(2-1)和式(2-2)
8、來更新自己的速度和位置：Vi=Vi+c1·rand()·(Pbesti-Xi)+c2·rand()·(Nbesti-Xi)(2-1)Xi=Xi+Vi(2-2)式中c1和c2是加速常量，分別調(diào)節(jié)向全局最好粒子和個體最好粒子方向飛行的最大步長，若太小，則粒子可能遠離
