找出示粒杂的多首先，思维发生在信念空间，其维 数远远高于其次，当两种思想在认知空间会聚于同点时，我们称其致，而 不是发生冲突。 算法原理 从这种模型中得到启示并用于解决优化问题。中，每个优化问题的 潜在解都是搜索空间中的只鸟，称之为粒子。所有的粒子都有 结论与展望 致谢 附录 届信息与计算科学专业毕业设计 引言 研究背景和课题意义 人工生命是来研究具有些生命基本特征的人工系统。人工生命包括两 方面的内容 研究如何利用计算技术研究生物现象。 研究如何利用生物技术研究计算问题。 现在已经有很多源于生物现象的计算技巧。例如，人工神经网络是简化的大 脑模型。遗传算法是模拟基因进化过程的。现在我们讨论另种生物系统社会 系统。也可称做群智能。这些模拟系统利用局部信息从而 可能产生不可预测的群体行为。 粒子群优化算法也是起源对简单社会系统的模拟。最初设想拟鸟群觅食的过程。但后来发现是种很好的优化工具。 优化是科学研究工程技术和经济管理等领域的重要研究课题。粒子群优化 算法简称是由和通过对鸟群鱼群和人类社会些行为的 观察研究，于年提出的种新颖的进化算法。虽然算法发展迅速并取得了 可观的研究成果，但其理论基础仍相对薄弱，尤其是算法基本模型中的参数设置和 优化问题还缺乏成熟的理论论证和研究。鉴于的发展历史尚短，它在理论基础 与应用推广上都还存在些缺陷，有待解决。本文通过对算法的步骤的归纳 特点的分析，利用统计中的方差分析，通过抽样实验方法，论证了该算法中关键 参数因子惯性权值加速因子对算法整体性能的影响效果，并提出了参数设置的 指导原则，给出了关键参数设置，为算法的推广与改进提供了思路。 参数的影响 标准粒子群算法中主要的参数变量为惯性权值加速因子， ，本文重点对参数做数据统计实验。包括不变的情况下通过 ， 变化是模加表 子先前的速度，用于保证算法的全局收敛性能 第二部分第三部分则是使算法具有局部收敛能力。可以看出，式中惯性 权重表示在多大程度上保留原来的速度。较大，全局收敛能力强，局部收敛 能力弱较小，局部收敛能力强，全局收敛能力弱。 当时，式与式完全样，表明带惯性权重的粒子群算法是基本 粒子群算法的扩展。实验结果表明，在之间时，算法有更快的收届信息与计算科学专业毕业设计 毕业论文 题目粒子群算法及其参数设置 专业信息与计算科学 班级计算 学号 学生 指导教师徐小平 年 任侃粒子群优化算法及其参数设置 粒子群优化算法及其参数设置 专业信息与计算科学 学生 指导教师徐小平 摘要 粒子群优化是种新兴的基于群体智能的启发式全局搜索算法，粒子 群优化算法通过粒子间的竞争和协作以实现在复杂搜索空间中寻找全局 最找出示粒杂的多首先，思维发生在信念空间，其维 数远远高于其次，当两种思想在认知空间会聚于同点时，我们称其致，而 不是发生冲突。 算法原理 从这种模型中得到启示并用于解决优化问题。中，每个优化问题的 潜在解都是搜索空间中的只鸟，称之为粒子。所有的粒子都有 结论与展望 致谢 附录 届信息与计算科学专业毕业设计 引言 研究背景和课题意义 人工生命是来研究具有些生命基本特征的人工系统。人工生命包括两 方面的内容 研究如何利用计算技术研究生物现象。 研究如何利用生物技术研究计算问题。 现在已经有很多源于生物现象的计算技巧。例如，人工神经网络是简化的大 脑模型。遗传算法是模拟基因进化过程的。现在我们讨论另种生物系统社会 系统。也可称做群智能。这些模拟系统利用局部信息从而 可能产生不可预测的群体行为。 粒子群优化算法也是起源对简单社会系统的模拟。最初设想