摘要： 粒子群优化算法（Particle Swarm Optimization，PSO算法）是一种进化计算技术。源于自然界中鸟群捕食的现象，PSO算法中每个优化问题的解都如同搜索空间的鸟一般，通过粒子间的协作以实现在多维空间中寻找全局最优点。因为它易于理解、实现方便并且能够有效地解决许多实际问题，在短短几年内吸引了诸多学者的关注，逐渐成为一个新的研究热点。论文对粒子群优化算法的基本原理予以介绍，并对改进算法的基本原理和各个参数所蕴含的意义做以阐述。论文中围绕粒子群优化算法的原理、特点、参数设置进行全面综述，重点通过改变不同的参数并对其进行性能仿真总结出参数对于算法基本性能的影响。

关键词： 粒子群优化算法；参数；仿真

The Simulation of Performance of PSO

And Improved Algorithm

Abstract: Particle swarm optimization (PSO algorithm) is an evolutionary computing technology.The phenomenon of birds feed on, due to the nature every solution of optimization problem in the PSO algorithm is a bird in the search space, through collaboration between the particles to realize in the multidimensional space to find the global optimal point. Because it is easy to understand, easy to implement and can effectively solve many practical problems, it has attracted the attention of many scholars in a few years and gradually becomes a new research hotspot. This paper introduces the basic principle of particle swarm optimization algorithm and its basic principle and analyzes the significance of each parameter. In the paper the principle and characteristics of particle swarm optimization algorithm, parameter Settings to conduct a comprehensive review, mainly by changing different parameters and performance simulation is summarized for the influence of the basic performance.

Keywords: Particle Swarm Optimization, Parameters, Simulation

目录

摘要 i

Abstract i

目录 iv

1 绪论 1

1.1 课题介绍 1

1.2 可行性研究分析 1

1.2.1 本课题的研究意义 1

1.2.2 粒子群算法的应用 2

1.2.3 技术可行性 2

1.3 开发环境及MATLAB概述 2

1.3.1 开发硬件环境 2

1.3.2 开发系统环境 2

1.3.3 MATLAB 3

2 粒子群优化算法 4

2.1 基本粒子群算法 4

2.1.1 PSO算法起源 4

2.1.2 PSO算法原理 4

2.1.3 PSO算法流程 5

2.1.4 PSO算法的参数分析 7

2.2 改进的微粒群优化算法 8

2.2.1 带压缩因子的粒子群算法 8

2.2.2 引入惯性权重的粒子群算法 8

2.2.3 权重改进的粒子群算法 9

2.2.4 变学习因子的粒子群算法 10

2.2.5 二阶粒子群算法 11

3 粒子群算法仿真设计 12

3.1 基本粒子群算法的性能仿真 12

3.2 带压缩因子的粒子群算法性能仿真 17

3.3 权重改进的粒子群算法性能仿真 18

3.4 同步变化的学习因子的粒子群算法性能仿真 24

4 多种算法的性能仿真 30

4.1.1 各粒子群算法适应度比较 30

4.1.2 仿真分析 41

5 结论与展望 42

结束语 43

致谢 45

参考文献 46

附录 47

绪论

粒子群优化算法的优化精度、收敛性能与参数的选择息息相关。不同参数的选择可能导致粒子的收敛速度较快或收敛速度较慢，甚至有些还会不收敛，参数的选择也会影响算法的开发和全局搜索能力。总之，粒子群优化算法参数的选取直接影响算法的性能和有效性。通过本课题，可以使用MATLAB对算法进行性能仿真，分析不同参数对算法的影响

课题介绍

课题题目：微粒群优化算法及改进算法的性能仿真研究

课题来源：上海应用技术大学

课题内容：学习群体智能优化算法的基本寻优思想，并熟悉基本粒子群算法和及其改进算法的寻优机制。毕业设计是运用MATLAB7.0这这一软件的编译，学习智能优化算法的基本指令，完成对基本粒子群算法和及其改进算法的设计与仿真，并将标准函数作为目标函数来完成对以上算法性能的比较。