粒子群優(yōu)化算法的改進研究及其在倒立擺控制系統(tǒng)中的應用.pdf

1、粒子群優(yōu)化算法是由Kennedy和Eberhart于1995年提出的一種智能群體搜索算法。其基本思想來源于對鳥群簡化社會模型的研究及行為模擬。該算法結(jié)構(gòu)簡單，無需梯度信息，易于實現(xiàn)，而且能靈活的調(diào)整全局和局部搜索能力，已經(jīng)成為隨機搜索的研究熱點之一。粒子群優(yōu)化算法雖然前期的收斂速度快，但后期仍然存在局部搜索能力不足和易陷入早熟收斂的缺點。
　　 本文針對粒子群算法局部搜索能力不足和易出現(xiàn)早熟收斂的問題，引入動態(tài)隨機搜索技術(shù)，對種

2、群當前最優(yōu)位置進行局部搜索，極大地改善了算法局部搜索性能;采用佳點集構(gòu)造對陷入早熟收斂的種群重新初始化，使種群跳出局部最優(yōu);采用負梯度方向直線搜索來加速算法尋優(yōu)。仿真實驗結(jié)果表明，本文提出的改進算法具有較快的收斂速度而且能有效地跳出局部最優(yōu)，優(yōu)化性能得到明顯提高。
　　 針對目前的進化算法在求解約束優(yōu)化問題時，處理約束條件的局限性，提出了一種新的求解約束優(yōu)化問題的粒子群算法。該方法重新設計了可行解與不可行解的適應度函數(shù)，通過新的