| 【中文题名】 | 粒子群算法在仿人智能控制参数优化中的应用 |
| 【英文题名】 | Application of Optimization of HSIC Parameter Based on Particle Swarm Optimization |
| 【学科专业】 | 模式识别与智能系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-25 |
| 【中关键词】 | 仿人智能控制,改进的粒子群算法,控制参数的优化,,, |
| 【英关键词】 | human-simulated intelligent control （ HSIC ）,improved PSO,the optimization of controlling parameters, |
| 【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】 |
仿人智能控制理论在解决复杂对象的控制问题时,显示了其独特优势,然而应用仿人智能控制存在的主要问题之一是控制器的参数优化。因为随着系统复杂性的提高,仿人智能控制器的结构变得更加复杂,控制器参数的优化,即使专家要获得正确参数也有困难。受生物学的启发,本文提出从进化的角度解决仿人智能控制器的参数优化问题。
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,提出了几种改进的粒子群算法,通过仿真实验验证了本文改进的粒子群算法的有效性和优越性。
在基于进化的思想解决仿人智能控制器控制参数优化的过程中,本文进行了以下的研究:
①简要地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现状。
②对粒子群算法进行详尽的分析和综述,在此基础上提出了几种改进的粒子群算法。
③仿人智能控制理论的研究,并选择一种改进的粒子... |
| 【论文题纲】 |
|
中文摘要 |
3-4 |
|
英文摘要 |
4-7 |
|
1 绪论 |
7-16 |
|
1.1 研究背景 |
7-8 |
|
1.2 计算智能 |
8-12 |
|
1.2.1 模拟人的思维的计算智能 |
9-10 |
|
1.2.2 模拟生物活动或内在规律的计算智能 |
10-12 |
|
1.2.3 模拟自然界的某种自然现象具有的计算智能 |
12 |
|
1.3 仿人智能控制参数整定研究综述 |
12-13 |
|
1.4 粒子群优化算法的展望 |
13-14 |
|
1.5 本文拟要完成的工作 |
14-16 |
|
2 粒子群算法 |
16-22 |
|
2.1 粒子群算法的提出 |
16-18 |
|
2.1.1 基本粒子群算法的数学描述 |
16-17 |
|
2.1.2 粒子群原型算法 |
17 |
|
2.1.3 粒子群算法主要计算步骤如下: |
17-18 |
|
2.1.4 粒子群算法和其它智能算法的比较 |
18 |
|
2.2 粒子算法的几种典型模型及研究现状 |
18-21 |
|
2.3 小结 |
21-22 |
|
3 粒子群算法的几种改进 |
22-42 |
|
3.1 具有串行跟踪结构的粒子群算法 |
22-25 |
|
3.1.1 串行跟踪结构的粒子群算法 |
22-23 |
|
3.1.2 串行跟踪结构的粒子群算法计算步骤流程图 |
23-24 |
|
3.1.3 仿真试验 |
24-25 |
|
3.2 具有梯度思想的粒子群算法 |
25-29 |
|
3.2.1 梯度思想的粒子群算法的提出 |
25-26 |
|
3.2.2 梯度思想的粒子群算法的计算步骤流程图 |
26-27 |
|
3.2.3 仿真试验 |
27-29 |
|
3.3 具有双向信号传递方式的粒子群算法 |
29-34 |
|
3.3.1 双向信号传递方式的粒子群算法 |
29-31 |
|
3.3.2 具有双向信号传递方式的粒子群算法计算步骤流程图 |
31-32 |
|
3.3.3 仿真试验 |
32-34 |
|
3.4 动态改变跟踪对象的粒子群算法 |
34-37 |
|
3.4.1 动态改变跟踪对象的粒子群算法 |
34-35 |
|
3.4.2 动态改变跟踪对象的粒子群算法计算步骤流程图 |
35 |
|
3.4.3 仿真试验 |
35-37 |
|
3.5 具有“羊群效应”的粒子群算法 |
37-40 |
|
3.5.1 “羊群效应”的粒子群算法的提出 |
37-39 |
|
3.5.2 “羊群效应的粒子群算法计算步骤流程图 |
39-40 |
|
3.5.3 仿真试验 |
40 |
|
3.6 小结 |
40-42 |
|
4 粒子群算法在仿人智能控制器参数优化中的作用 |
42-53 |
|
4.1 仿人智能控制理论的基本思想、研究方法 |
42 |
|
4.2 仿人智能控制的几个基本概念 |
42-45 |
|
4.2.1 特征模型 |
42-43 |
|
4.2.2 特征辨识 |
43 |
|
4.2.3 特征记忆 |
43-44 |
|
4.2.4 控制（决策）模态集Ψ |
44 |
|
4.2.5 启发与直觉推理规则集Ω |
44-45 |
|
4.3 仿人智能控制器设计方法 |
45-47 |
|
4.4 改进的粒子群算法在仿人智能控制器参数优化中的应用 |
47-53 |
|
5 结束语 |
53-54 |
|
致谢 |
54-55 |
|
参考文献 |
55-57 |
|
附录：攻读硕士学位期间发表的论文 |
57 |
|
| 【DOI】 | LunWen.ID:2.2008.389118 |
