融合經(jīng)典搜索策略的微粒群算法及其應(yīng)用.pdf

1、優(yōu)化技術(shù)是一種以數(shù)學(xué)為基礎(chǔ)，用于求解各種工程問題最優(yōu)解或者滿意解的應(yīng)用技術(shù)，任何控制與決策問題本質(zhì)上都可以歸結(jié)為優(yōu)化問題。對優(yōu)化問題的求解已有的經(jīng)典優(yōu)化方法，主要包括梯度型算法和直接搜索算法，這些算法都是局部算法，不能解決非凸函數(shù)的全局優(yōu)化問題。
　　 為了解決全局優(yōu)化問題，學(xué)者們提出了一系列的生物啟發(fā)式計(jì)算方法。微粒群優(yōu)化算法(PSO)是依據(jù)鳥類覓食行為啟發(fā)而提出來的一種啟發(fā)式群智能全局優(yōu)化優(yōu)化算法，它具有概念簡單、容易實(shí)現(xiàn)、

2、收斂速度快等優(yōu)點(diǎn)，已在許多領(lǐng)域得到成功應(yīng)用。然而微粒群算法也存在早熟收斂、容易陷入局部最優(yōu)值和搜索精度不高等固有缺陷，因此，需要針對這些缺陷對算法進(jìn)行改進(jìn)研究。
　　 首先，在微粒群算法的迭代運(yùn)算過程中，通過引入非線性共軛梯度法以提高微粒群算法的開發(fā)能力，通過融入混沌序列提高微粒群算法的探索能力，從而提出一種基于非線性共軛梯度法的混沌微粒群算法。為了驗(yàn)證該混合優(yōu)化算法的性能，將該算法用于尋找多峰函數(shù)的所有極值點(diǎn)。仿真實(shí)驗(yàn)主要從找

3、全所有極值點(diǎn)的可靠性和提高解的精度兩方面進(jìn)行。從實(shí)驗(yàn)可知，基于非線性共軛梯度法的混沌微粒群算法提高了微粒群算法的多樣性，從而具有很強(qiáng)的全局探索能力，并且提高了算法搜索精度，從而具有很強(qiáng)的局部細(xì)搜索能力。
　　 其后，在微粒群算法中，融入模式搜索提高微粒群算法的局部細(xì)搜索能力，并且引入柯西變異提高微粒群算法的多樣性，提出了基于模式搜索的微粒群優(yōu)化算法，將該改進(jìn)的算法應(yīng)用在自抗擾控制器(ADRC)的參數(shù)優(yōu)化整定中。并且將優(yōu)化參數(shù)的二