2023年10月19日 · pso算法是从这种生物种群行为特征中得到启发并用于求解优化问题的，算法中每个粒子都代表问题的一个潜在解，每个粒子对应一个由适应度函数决定的适应度值。

粒子群算法（PSO）于1995年提出，和 遗传算法 一样，也是一种群体迭代算法，不同的是，粒子群算法需要整定的参数更少，不存在交叉和变异过程，所以收敛速度更快。 由于是群体迭代算法，因此该算法一般做成并行的。 如果做成串行的，也是可以运行的，就是会随着种群规模的增大越来越慢。 对于Python运用熟练的朋友可以利用Python做成并行的，对于不熟悉并行算法的朋友，直接使用 MATLAB 就好了，因为MATLAB的矩阵运算已经集成了并行算法。 为了让大家理 …

本博客主要是 以传递函数为主的被控对象，运用PSO优化算法来进行整定与优化PID的三个控制参数。 其中，由图可推导出相应的控制器表达式，如下所示。 由上可看出系统响应的稳态误差ess、上升时间tr、超调量等性能指标的值，不同的KP、KI、KD组合会得到不同的性能指标。 稳态误差越小、上升时间越短、超调量越小的系统响应越好。 PID控制器的参数优化就是找到那组使得这些性能指标更好的KP、KI、KD系数的值。 从而让系统的响应结果满足一些实际的需要。 在这 …

2020年8月11日 · 粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation)，1995 年由Eberhart 博士和kennedy 博士提出，源于对鸟群捕食的行为研究 。 该算法最初是受到飞鸟集群活动的规律性启发，进而利用群体智能建立的一个简化模型。

在计算科学中， 粒子群 优化（PSO） [1] 是一种 计算 方法，它通过 迭代 尝试改进给定质量度量的 候选解决方案 来 优化 问题。 它通过拥有一组候选解决方案（此处称为粒子）来解决一个问题，并根据粒子 位置 和 速度 上的简单 数学公式 在 搜索空间 中移动这些 粒子。 每个粒子的运动都受到其局部已知位置的影响，但也被引导到搜索空间中最已知的位置，这些位置随着其他粒子找到更好的位置而更新。 预计这将使蜂群走向最佳解决方案。 理论介绍完毕，下面以 Matlab 官网File …

2022年10月7日 · 从给定文件信息中，我们可以提炼出几个关键知识点：粒子群优化（PSO）、分数阶PID控制、以及Simulink模型的应用。 这些知识点广泛应用于控制 系统 的设计与 优化 ，是控制 系统 和计算智能领域的基础内容。

1995年，受到鸟群觅食行为的规律性启发，James Kennedy和 Russell Eberhart 建立了一个简化算法模型，经过多年改进最终形成了粒子群优化算法(Particle Swarm Optimization, PSO) ，也可称为粒子群算法 。

2022年6月28日 · \qquad 粒子群算法（PSO）于1995年提出，和遗传算法一样，也是一种群体迭代算法，不同的是，粒子群算法需要整定的参数更少，不存在交叉和变异过程，所以收敛速度更快。 \qquad 由于是群体迭代算法，因此该算法一般做成并行的。 如果做成串行的，也是可以运行的，就是会随着种群规模的增大越来越慢。 对于 Python 运用熟练的朋友可以利用Python做成并行的，对于不熟悉并行算法的朋友，直接使用MATLAB就好了，因为MATLAB的矩阵运算已经集成 …

2022年7月26日 · PSO（粒子群算法）在处理连续问题上有着较强的能力，因此很适合用来做参数优化，而PID控制器由三个参数组成，它们分别是：Kp 、Ki 、Kd 。 用户9925864

2024年6月29日 · 通过PSO迭代，不断调整PID控制器的Kp、Ki、Kd增益，以减小控制误差。 文中提供了MATLAB2022a版本的核心代码，展示了参数优化过程及结果。 系统仿真图像显示了参数随迭代优化的变化。