基于群智能优化及其改进算法的性能比较.doc

基于群智能优化及其改进算法的性能比较

1.34万字 35页 原创作品，已通过查重系统

摘 要
粒子群算法的提出源自鸟群觅食系统，鸟群中的个体与外界环境及其他个体接触并互相传递信息，在此过程中不断改进自己觅食的行为，最终寻得食物。基于这个鸟群觅食系统，许多人开始思考如何通过最优方法找到一个区域里的目标物，由此建立数学模型，提出了粒子群优化算法，并随着研究的深入，提出了不断优化的粒子群改进算法。同时，这种群智能优化算法也被应用于各个领域，并与社会生产活动紧密相连，因此研究PSO优化算法显得愈发重要了。
本文主要研究内容与成果：
（1）简要回顾了粒子群算法的发展历程和PID控制器的参数优化进展。简单介绍了粒子群算法主要的四大类：标准PSO参数改进与变形、混合粒子群算法、离散二进制粒子群算法、协同PSO算法。PID控制器的参数优化发展经历了传统整定方法、最优整定、智能整定、基于遗传算法的PID参数优化。
（2）深入而具体研究了粒子群算法及其改进算法，介绍惯性权重 及其改进策略对PSO算法的影响，学习因子 的设置对PSO算法的影响，引入收缩因子 对PSO算法的影响，领域结构对PSO算法的影响。本文着重研究4种对惯性权重进行改进的标准粒子群优化算法：线性递减权重、固定惯性权重、随机惯性权重、非线性递减权重。
（3）基于PSO改进算法，对水轮机调节系统的PID参数进行优化。利用Matlab编程，实现四种PSO改进算法，并将四个误差积分准则作为适应度函数对四种算法分别进行实验，寻找出最优时PID参数的值，进行分析与比较。



关键词：粒子群优化算法；惯性权重；PID参数优化；误差积分准则