摘要：    群体智能是近年迅速发展的一个新兴研究领域。它通过对自然界生命现象的模拟，在不同的层次上揭示了生命现象以及进化规律。粒子群优化算法就是对鸟群捕食行为的一种模拟。PSO算法同遗传算法类似，是一种基于迭代的优化工具。本文主要研究粒子群核心理论中的群体规模、惯性权重、学习因子以及迭代次数等，分析了不同粒子群规模以及迭代次数下，对求解结果的进行了比较及总结。39458
毕业论文关键词：    群体智能；粒子群优化算法；优化工具；群体规模；迭代次数；
Research on particle swarm optimization algorithm based on MATLAB
Abstract:     Swarm intelligence is a new research field in recent years.It reveals the phenomenon of life and the evolution of life in different levels through the simulation of the phenomenon of life in nature.The particle swarm optimization algorithm is a kind of simulation of the birds' behavior.The PSO algorithm is similar to the genetic algorithm, and is a kind of iterative optimization tool.In this paper, the population size, inertia weight, learning factor and iteration number are studied in this paper,The results are compared with the results of different particle size and the number of iterations.
Keywords:    Swarm intelligence; Particle swarm optimization algorithm; Optimization tool; Group size; iterations
目录
摘要    i
Abstract    i
目录    2
1 绪论    3
1.1 群体智能    3
1.1.1 五条基本原则    3
1.1.2 特点    3
1.2 典型模型    3
2 粒子群优化算法    5
2.1 概述    5
2.2 几种粒子群算法    6
2.3 实验结果    13
2.3.1 基本粒子群算法（PSO）    13
2.3.2 带压缩因子的粒子群优化算法（YSPSO）    13
2.3.3 线性递减权重法（LinWPSO）    14
2.3.4 自适应权重法（SAPSO）    14
2.3.5 同步变化的学习因子粒子群算法（LnCPSO）    14
2.3.6 异步学习因子粒子群算法（AsyLnCPSO）    15
2.3.7 二阶振荡粒子群算法（SecVibratPSO）    15
3 对几种粒子群算法的对比    17
3.1 对比试验    17
3.2 实验步骤    17
3.3 试验结果    18
4 结论    19
致谢    20
参考文献    21
附录    22
1    绪论
作为一个新兴的研究领域，群体智能自从20世纪80年代出现，就引起了众多科研工作者的关注。群体智能利用群体的优势，在没有提供全局模型以及集中控制的前提下，为寻找复杂问题的解决方案提供了新的思路。群体智能普遍意义上有以下几种解释。一是一组简单智能体涌现出来的集体的智能，其代表有蚁群优化算法和蚂蚁聚类算法两种；二是将群体中的成员看作粒子，它的代表就是本文提到的粒子群优化算法，即PSO算法。
粒子群优化算法是一种进化计算技术，它是由Eberhart博士和kennedy博士发明，源于对鸟类捕食的行为研究。
1.1    群体智能
群体智能（Swarm/collection intelligence）：在自然界中，昆虫群体，群居性动物通过协作表现出的宏观智能行为。
1.1.1    五条基本原则
(1) 邻近原则( Proximity Principle) ,群体能进行简单的空间和时间计算;
(2) 品质原则(Quality Principle) ,群体能够响应环境中的品质因子; 基于MATLAB的粒子群优化算法研究:http://www.751com.cn/jisuanji/lunwen_39759.html