基于反馈学习粒子群算法的极值搜索控制
基于反馈学习的粒子群算法(FLPSO)是一种自适应学习的种群智能算法。该算法引入控制反馈的思想，通过粒子的适应度值自适应地分配给每个粒子不同的学习因子以及向其他粒子学习的学习概率。其具有快速收敛，全局搜索的性能。本文将FLPSO 算法引入极值搜索算法中，并且采用Zhang与Ordonez的参考跟踪控制中的方法使控制输出值较为平稳并且系统性能输出函数具有渐进收敛的特性，改善利用格拉姆矩阵控制方法设计的极值搜索控制算法具有的输出震荡的问题。基于FLPSO算法的改进性能，改进了基于基本PSO算法在极值搜索控制算法中的性能。文章最后对于基于PSO算法的极值搜索在实际应用所需解决的问题进行了分析，并且指出了PSO算法进一步的研究方向。
粒子群算法 适应度 极值搜索算法 输出震荡
董方 谢磊 张建明
浙江大学，智能系统与控制研究所， 杭州，310027
国内会议
厦门
中文
1-10
2012-08-01（万方平台首次上网日期，不代表论文的发表时间）