粒子群算法的改進(jìn)及其在自抗擾控制器參數(shù)優(yōu)化中的應(yīng)用.pdf

1、粒子群優(yōu)化算法是模擬鳥(niǎo)類覓食行為而發(fā)展起來(lái)的一種基于群體智能的隨機(jī)搜索方法，因其算法概念簡(jiǎn)單、易于實(shí)現(xiàn)、收斂速度快等優(yōu)點(diǎn)，現(xiàn)已廣泛應(yīng)用于眾多學(xué)科和工程領(lǐng)域。然而，粒子群算法本身也存在諸如收斂精度低、后期收斂速度慢及對(duì)復(fù)雜函數(shù)易出現(xiàn)早熟收斂等缺陷。因此，針對(duì)這些缺陷進(jìn)行算法的改進(jìn)研究具有重要的理論意義和應(yīng)用價(jià)值。
　　針對(duì)粒子群算法求解復(fù)雜函數(shù)性能欠佳的問(wèn)題，本文在分析其原理及改進(jìn)原則的基礎(chǔ)上，為了擴(kuò)大優(yōu)秀粒子之間的信息交流，先對(duì)標(biāo)

2、準(zhǔn)粒子群算法的速度迭代公式提出改進(jìn)，以加快算法收斂速度；然后根據(jù)適應(yīng)度方差和本次迭代最優(yōu)值來(lái)確定是否執(zhí)行重復(fù)搜索策略，以提高種群多樣性，從而抑制粒子陷入局部最優(yōu)；最后對(duì)全局最優(yōu)值進(jìn)行小波學(xué)習(xí)，加強(qiáng)全局搜索能力，同時(shí)對(duì)當(dāng)前最優(yōu)解進(jìn)行局部精細(xì)搜索，以提高算法的收斂精度。12個(gè)標(biāo)準(zhǔn)函數(shù)測(cè)試結(jié)果表明，該改進(jìn)算法收斂速度較快、求解精度高，避免了早熟收斂，優(yōu)化性能得到提高。
　　在標(biāo)準(zhǔn)粒子群算法框架的基礎(chǔ)上，本文提出了一種融合單純形的免疫粒子

3、群優(yōu)化算法(NMIPSO)。其基本思想是：在算法進(jìn)化過(guò)程中融入基于云變異的免疫克隆選擇算子，以抑制粒子因陷入局部最優(yōu)而出現(xiàn)早熟收斂；算法后期引入經(jīng)典搜索算法NM單純形法，以提高算法的收斂精度。典型的多峰函數(shù)測(cè)試結(jié)果表明，該算法能有效擺脫局部最優(yōu)解，準(zhǔn)確搜索到多峰函數(shù)的多個(gè)全局極值點(diǎn)。
　　自抗擾控制器參數(shù)眾多難以調(diào)整，制約了這一優(yōu)良控制器的廣泛工程應(yīng)用。為此，本文將NMIPSO應(yīng)用到自抗擾控制器參數(shù)優(yōu)化整定中，參考ITAE性能指標(biāo)