粒子群优化模拟

粒子群优化算法 (PSO) 是进化计算由坚尼地介绍该地区的一个新分支 和埃伯哈特在 1995 年 [8]。PSO 易于实施和经验主义地好上很多优化执行已验证 问题。由于在求解无约束的优化问题的粒子群成功，PSO 也逐渐 在过去几年获得高阶警察的注意。建议动态的多群梁和 Suganthan [9] 一种新型约束处理机制解决警察与 PSO。在其提案中人口是定期 并随机分为几个小组群。此外，目标和约束条件分配给小组群 自适应地根据约束的困难。因此，更难的约束将点火 群为它，并且更容易的约束工作将有更少群为它工作。此外，序贯二次规划 (SQP) 用于本地搜索。Krohling 和 Coelho [10] 提出了基于高斯分布的约束优化，在其中使用高斯概率分布来生成 PSO 的加速系数 co 进化 PSO。此外，两个种群的进化在此方法中： 一个用于变量向量，其他为拉格朗日乘数向量。他和王 [11] 还提议共同进化 PSO。在此方法中，共同进化的观念被受雇以应付决策变量和约束。两个群进化以交互方式使用 PSO、 一个用于搜索很好的解决方案和其他用于优化适当的刑罚因素。最近，他和王 [12] 向介绍混合 PSO 与可行性基于规则 [13]

pso_2.m