| 【中文题名】 | 自适应粒子群优化算法及其应用研究 |
| 【英文题名】 | Adaptive Particle Swarm Optimization Algorithm and the Application Research |
| 【学科专业】 | 系统工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-4-4 |
| 【中关键词】 | 进化算法,粒子群算法,数字滤波器,多目标满意优化,鲁棒PID, |
| 【英关键词】 | evolutionary computation,particle swarm optimization,digital filter,multi-criterion satisfactory optimization,robust PID controller, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 参数优化是许多科学、工程问题以及社会经济活动中的重要研究内容。国内外学者已经针对这一问题提出了大量进化算法,如遗传算法、免疫算法、粒子群算法等。粒子群算法作为一种新的进化算法,不依靠遗传算子来操作个体,而是依靠个体间的信息交换来达到群体的共同演化,所有的微粒都有调整自身速度和记忆经历过的最好位置的能力。该算法已成功地解决了许多工程实际问题,并取得了很好的优化效果。
本文在分析粒子群优化算法基本原理的基础上,针对标准粒子群算法易陷入局部解的不足,提出了变异操作和线性递增的改进方案——自适应粒子群算法,进而对该算法在FIR数字滤波器的优化设计、多目标满意优化以及鲁棒PID参数整定方面进行了应用研究,并通过仿真实验验证了自适应粒子群算法的有效性和优越性。
本文的主要研究工作与贡献如下:
1.简要的回顾了计算智能的理论和技术发展史,叙述了粒子群算法的研究背景,总结了多目标优化的传统解决方法以及多目标满意优化的特点,并介绍了鲁棒PID控制的研究背景及其现状。
2.对粒子群算法进行详尽的分析和综述,将粒子群算法应用在频率抽样技术中,提出一种新的FIR滤波器优化设计方... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-5 |
|
目录 |
5-7 |
|
第一章 绪论 |
7-16 |
|
1.1 导言 |
7-9 |
|
1.2 粒子群算法的研究综述 |
9-10 |
|
1.3 多目标满意优化研究综述 |
10-12 |
|
1.4 鲁棒PID参数整定研究综述 |
12-15 |
|
1.5 论文结构安排 |
15-16 |
|
第二章 粒子群优化算法及其在FIR滤波器设计中的应用 |
16-27 |
|
2.1 引言 |
16 |
|
2.2 基本粒子群算法模型和标准粒子群算法模型 |
16-18 |
|
2.3 粒子群算法与遗传算法的比较 |
18-19 |
|
2.4 粒子群算法在滤波器优化设计中的应用 |
19-26 |
|
2.5 结束语 |
26-27 |
|
第三章 自适应粒子群算法 |
27-38 |
|
3.1 引言 |
27 |
|
3.2 粒子群算法的发展 |
27-30 |
|
3.3 粒子运动轨迹分析 |
30-33 |
|
3.4 自适应粒子群模型 |
33-35 |
|
3.5 基本粒子群算法与自适应粒子群算法的仿真比较 |
35-37 |
|
3.6 结束语 |
37-38 |
|
第四章 基于自适应粒子群算法的满意优化 |
38-50 |
|
4.1 引言 |
38 |
|
4.2 满意优化方法 |
38-43 |
|
4.3 多目标满意优化模型 |
43-46 |
|
4.4 MAPSO方法在FIR数字滤波器参数优化的应用 |
46-49 |
|
4.5 结束语 |
49-50 |
|
第五章 基于自适应粒子群算法的PID参数整定 |
50-64 |
|
5.1 引言 |
50 |
|
5.2 PID控制算法的理论基础 |
50-51 |
|
5.3 传统的PID控制器参数整定方法 |
51-55 |
|
5.4 基于自适应粒子群算法的PID控制器的设计 |
55-57 |
|
5.5 基于自适应粒子群算法的鲁棒PID参数整定 |
57-63 |
|
5.6 结束语 |
63-64 |
|
第六章 总结 |
64-65 |
|
参考文献 |
65-69 |
|
致谢 |
69-70 |
|
攻读硕士学位期间发表的论文 |
70 |
|
攻读硕士学位期间参加的项目 |
70 |
|
| 【DOI】 | LunWen.ID:2.2008.387680 |
