資源描述：
《粒子群優(yōu)化算法中慣性權(quán)重綜述_周俊》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第26卷第7期廣東電力Vol.26No.72013年7月GUANGDONGELECTRICPOWERJul.2013doi:10.3969/j.issn.1007-290X.2013.07.002粒子群優(yōu)化算法中慣性權(quán)重綜述周俊，陳璟華，劉國祥，許偉龍(廣東工業(yè)大學(xué)自動(dòng)化學(xué)院，廣東廣州510006)摘要:粒子群優(yōu)化(particleswarmoptimization，PSO)算法是基于鳥群覓食行為的一種新型的群體智能算法，而慣性權(quán)重是PSO算法中一個(gè)極其重要的參數(shù)，其值的選取直接關(guān)系粒子在尋優(yōu)過程中的開發(fā)能力和探索能力。在介紹PSO算法的基本原理的基礎(chǔ)上，分
2、析慣性權(quán)重對(duì)粒子群優(yōu)化算法在收斂性方面的影響，綜述了現(xiàn)有文獻(xiàn)對(duì)慣性權(quán)重的研究進(jìn)展，并評(píng)述了各種慣性權(quán)重取值策略所取得的研究成果和存在的不足之處。關(guān)鍵詞:粒子群優(yōu)化(PSO)算法;慣性權(quán)重;智能算法;收斂性;開發(fā)能力;探索能力中圖分類號(hào):TP301.6文獻(xiàn)標(biāo)志碼:A文章編號(hào):1007-290X(2013)07-0006-07SummaryonInertiaWeightinParticleSwarmOptimizationAlgorithmZHOUJun，CHENJinghua，LIUGuoxiang，XUWeilong(FacultyofAutomation，
3、GuangdongUniversityofTechnology，Guangzhou，Guangdong510006，China)Abstract:Particleswarmoptimization(thereafterasPSO)algorithmisakindofnewgroupintelligentalgorithmbasedonforagingofbirdswhileinertialweightisoneofimportantparametersinPSOalgorithmofwhichselectionforthevalueisdirectlyaff
4、ectingdevelopmentandexplorationcapabilitiesduringtheperiodofoptimizingoftheparticle．OnthebasisofintroducingbasicprinciplesofPSOalgorithm，thispaperanalyzesimpactofinertialweightonastringencyanddiscussesstudyprogressofinertialweightofpres-entdocuments．Inaddition，itmakescommentsonrese
5、archachievementsandshortagesofvariousvaluestrategiesforinertialweight．Keywords:particleswarmoptimizationalgorithm;inertialweight;intelligentalgorithm;astringency;developmentcapability;ex-plorationcapability粒子群優(yōu)化(particleswarmoptimization，PSO)用領(lǐng)域。算法中的參數(shù)是影響算法性能和效率的關(guān)算法是由Eberhart博士和Ken
6、nedy博士于1995年鍵因數(shù)，如何確定最優(yōu)參數(shù)使算法性能最佳是一個(gè)［1］提出的一類基于群體智能的隨機(jī)優(yōu)化算法。PSO極其復(fù)雜的優(yōu)化問題。Shi等人提出的慣性權(quán)重是算法最早源于對(duì)鳥群覓食行為的研究，通過個(gè)體間PSO算法中極其重要的參數(shù)，慣性權(quán)重較大有利的協(xié)作與競(jìng)爭(zhēng)，實(shí)現(xiàn)復(fù)雜空間中最優(yōu)解的搜索。與于提高算法的全局搜索能力，而慣性權(quán)重較小會(huì)增遺傳算法和蟻群算法相比，PSO算法具有簡單、強(qiáng)算法的局部搜索能力，因此其值的選取直接關(guān)系［2］調(diào)整參數(shù)少，收斂速度快、魯棒性好等特點(diǎn)，因此算法的開發(fā)能力和探索能力。為了能取得全局被廣泛地應(yīng)用于結(jié)構(gòu)設(shè)計(jì)、函數(shù)優(yōu)化、模式分類、搜
7、索和局部搜索之間的最佳平衡，研究者對(duì)慣性權(quán)模糊系統(tǒng)控制，電力系統(tǒng)機(jī)組組合優(yōu)化以及其他應(yīng)重進(jìn)行了大量的研究。1PSO算法的基本原理收稿日期:2013-05-31基金項(xiàng)目:廣東省電力節(jié)能與新能源技術(shù)重點(diǎn)實(shí)驗(yàn)室資助項(xiàng)目PSO算法是根據(jù)鳥群遷徙覓食行為過程而提(ZDSYS200701)。出的一種優(yōu)化算法，通過群體之間的信息共享和個(gè)第7期周俊，等:粒子群優(yōu)化算法中慣性權(quán)重綜述7體自身經(jīng)驗(yàn)的總結(jié)來修正個(gè)體行動(dòng)策略，最終求取得出使得IPSO模型收斂的慣性權(quán)重與加速因子參優(yōu)化問題的解。PSO算法首先生成初始種群，即數(shù)約束的關(guān)系?；谠谝痪S算法收斂研究成果的基在可行解空間中隨
8、機(jī)初始化粒子，每個(gè)粒子都為優(yōu)礎(chǔ)上，文獻(xiàn)［6］對(duì)PSO
