

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、水資源系統(tǒng)分析理論與應(yīng)用課程論文學(xué)院:水文水資源專業(yè):水利工程題目:粒子群算法(VBA)學(xué)號(hào):171601010078指導(dǎo)老師:王建群姓名:張軼文2017年11月14日在鳥群中而又不相互碰撞),當(dāng)有一只鳥飛到棲息地時(shí),它周圍的鳥也會(huì)跟著飛向棲息地,這樣,整個(gè)鳥群都會(huì)落在棲息地。1995年,美國社會(huì)心理學(xué)家JamesKennedy和電氣工程RussellEberhart共同提出了粒子群算法,其基本思想是受對鳥類群體行為進(jìn)行建模與仿真的研究
2、結(jié)果的啟發(fā)。他們的模型和仿真算法主要對FrankHeppner的模型進(jìn)行了修正,以使粒子飛向解空間并在最好解處降落。Kennedy在他的書中描述了粒子群算法思想的起源。自20世紀(jì)30年代以來,社會(huì)心理學(xué)的發(fā)展揭示:我們都是魚群或鳥群聚集行為的遵循者。在人們的不斷交互過程中,由于相互的影響和模仿,他們總會(huì)變得更相似,結(jié)果就形成了規(guī)范和文明。人類的自然行為和魚群及鳥群并不類似,而人類在高維認(rèn)知空間中的思維軌跡卻與之非常類似。思維背后的社會(huì)現(xiàn)
3、象遠(yuǎn)比魚群和鳥群聚集過程中的優(yōu)美動(dòng)作復(fù)雜的多:首先,思維發(fā)生在信念空間,其維數(shù)遠(yuǎn)遠(yuǎn)高于3;其次,當(dāng)兩種思想在認(rèn)知空間會(huì)聚于同一點(diǎn)時(shí),我們稱其一致,而不是發(fā)生沖突。二、算法的基本原理二、算法的基本原理PSO中,每個(gè)優(yōu)化問題的潛在解都是搜索空間中的一只鳥,稱之為粒子。所有的粒子都有一個(gè)由被優(yōu)化的函數(shù)決定的適值(fitnessvalue),每個(gè)粒子還有一個(gè)速度決定它們飛翔的方向和距離。然后粒子們就追隨當(dāng)前的最優(yōu)粒子在解空間中搜索。PSO初始化
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 粒子群算法----粒子群算法簡介
- 粒子群算法----粒子群算法簡介
- 粒子群算法----粒子群算法簡介
- 粒子群算法(1)----粒子群算法簡介
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡介
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡介
- 粒子群算法程序演示
- 粒子群算法及其應(yīng)用.pdf
- 粒子群及量子行為粒子群優(yōu)化算法的改進(jìn)研究.pdf
- 粒子群優(yōu)化算法研究.pdf
- 粒子群算法解決tsp問題
- 粒子群論文--有關(guān)非線性規(guī)劃問題的粒子群算法
- 粒子群算法改進(jìn)方法研究.pdf
- 粒子群算法解最短路徑
- 粒子群算法研究與應(yīng)用.pdf
- 粒子群的運(yùn)動(dòng)分析及兩階段粒子群優(yōu)化算法.pdf
- 粒子群優(yōu)化算法及其改進(jìn).pdf
- 粒子群算法與工程優(yōu)化.pdf
- 高維粒子群優(yōu)化算法.pdf
- 基于指標(biāo)的粒子群算法.pdf
評論
0/150
提交評論