基于动态粒子群算法的动态环境寻优算.doc_第1页
基于动态粒子群算法的动态环境寻优算.doc_第2页
基于动态粒子群算法的动态环境寻优算.doc_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于动态粒子群算法的动态环境寻优算1、案例背景为了跟踪动态极值，需要对基本的PSO算法进行两方面改进，第一是引入探测机制，使种群或粒子获得感知外部环境变化的能力；第二是引入响应机制，在探测到环境的变化后，采取某种响应方式对种群进行更新，以适应动态环境。基于敏感粒子的动态粒子群算法是一种典型的动态粒子群算法，它在算法初始化时随机选择一个或多个位置，称为敏感粒子，每次迭代中计算敏感粒子适应度值，当发现适应度值变化时，认为环境已发生变化。响应的方式是按照一定比例重新初始化粒子位置和粒子速度。2、案例目录第十六章基于动态粒子群算法的动态环境寻优算法.16.1理论基础.16.1.1动态粒子群算法.16.1.2动态环境.16.2案例背景.16.3 MATLAB程序实现.16.3.1动态环境函数.16.3.2种群初始化.16.3.3循环动态寻找.16.3.4仿真结果.16.4延伸阅读.16.4.1 .APSO.16.4.2 .EPSO.16.4.3 TDPSO.16.5参考文献.103、主程序% 循环寻找最优点for k = 1:1200k% 新数字地图h = DF1function(X1,Y1,H1,X2(k),Y2(k),H2(k);% 敏感粒子变化for i=1:5*nfitnessTest(i)=h(popTest(i,1),popTest(i,2);endoFitness=sum(fitnessTest);% 变化超过一定范围,重新初始化if abs(oFitness - nFitness)1index=randperm(20);pop(index(1:10),:)=unidrnd(501,10,2);V(index(1:10),:)=unidrnd(100,10,2)-50;end% 粒子搜索for i=1:Tmaxfor j=1:n% 速度更新V(j,:)=V(j,:)+floor(rand*(popgbest(j,:)-pop(j,:)+floor(rand*(popzbest - pop(j,:);index1=find(V(j,:)Vmax);V(j,index1)=Vmax;index2=find(V(j,:)popMax);pop(j,index1)=popMax;index2=find(pop(j,:) fitnessgbest(j)popgbest(j,:) = pop(j,:);fitnessgbest(j) = fitness(j);end % 群体极值更新if fitness(j) fitnesszbestpopzbest= pop(j,:);fitnesszbest = fitness(j);endendendfitnessRecord(k)=fit
人人文库> 全部分类> 毕业设计 > 毕业论文

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论