基于PID控制理论的改进粒子群优化算法

被引:56
作者
杨晓
王国柱
机构
[1] 河南工学院自动控制系
关键词
粒子群; 局部最优; 比例积分; PID控制;
D O I
10.14107/j.cnki.kzgc.170909
中图分类号
TP18 [人工智能理论]; TP273 [自动控制、自动控制系统];
学科分类号
080802 [电力系统及其自动化]; 140502 [人工智能];
摘要
针对粒子群算法搜索速度不足和易于陷入局部最优的问题,基于PID控制理论的方法从其本质出发分析了该算法的迭代公式,揭示了该算法的速度更新机制实质上采用的是一种比例积分(PI)的方式,基于该理论采用PID的控制机理对粒子群算法的本质特性进行改进。为了验证所提策略的有效性,借助MATLAB编程实现了算法的功能并利用benchmark测试函数与标准粒子群算法进行了详细的实验对比。结果表明,改进后的粒子群算法收敛速度得到了明显的提高并且可以有效避免陷入局部最优。
引用
收藏
页码:1497 / 1502
页数:6
相关论文
共 6 条
[1]
PID控制器改进方法研究 [J].
赵凤姣 ;
厉虹 .
控制工程, 2015, 22 (03) :425-431
[2]
基于动态神经网络的PID参数整定与实时控制 [J].
王俊国 ;
王永骥 ;
万淑芸 .
系统工程与电子技术, 2004, (06) :777-778+810
[3]
An incremental-PID-controlled particle swarm optimization algorithm for EEG-data-based estimation of operator functional state.[J].Jianhua Zhang;Shaozeng Yang.Biomedical Signal Processing and Control.2014,
[4]
CAPSO: Centripetal accelerated particle swarm optimization.[J].Zahra Beheshti;Siti Mariyam Hj. Shamsuddin.Information Sciences.2014,
[5]
Randomization in particle swarm optimization for global search ability [J].
Zhou, Dawei ;
Gao, Xiang ;
Liu, Guohai ;
Mei, Congli ;
Jiang, Dong ;
Liu, Ying .
EXPERT SYSTEMS WITH APPLICATIONS, 2011, 38 (12) :15356-15364
[6]
生态系统粒子群算法及其在阵列天线方向图优化中的应用 [D]. 
刘角 .
太原理工大学,
2016