《宏源振动》振动电机优化的遗传算法
发布时间：2020-11-18 点击量：85
主要是由美国的JohnHolland和他的学生建立并发展起来的。13072684455（微信同步）
它的基本思想是从一个初始群体(一组候选解)开始进行迭代，在每次迭代的过程中都按候选解的优劣进行排序。
保留其中优秀的部分，通过一些遗传操作如杂交、变异等运算，产生新一代候选解，重复这个过程，直到满足某个收敛条件为止。
它的基本思想是从一个初始群体(一组候选解)开始进行迭代，在每次迭代的过程中都按候选解的优劣进行排序。
保留其中优秀的部分，通过一些遗传操作如杂交、变异等运算，产生新一代候选解，重复这个过程，直到满足某个收敛条件为止。
GA算法收敛速度快，但在GA操作过程中特别在GA运行的后期可能出现过早收敛现象，难以得到全局最优解。
粒子群优化算法((PSO)是一种源于对鸟群捕食行为的研究而发明的进化计算技术(EC)，由Eberhart博士和Kennedy博士首次提出。
相形之下，PSO不但具有GA的全局寻优能力，而且通过参数调整PSO还具备较强的局部寻优能力。
由于没有个体杂交、变异等复杂操作，PSO的参数调整变得简单而易行，更适合于计算机编程。
粒子群优化算法PSO与其它算法(如GA算法)相比，显示出较强的优化效率但在运算过程中仍有可能会陷入局部最优，出现所谓的早熟收敛现象。
粒子群优化算法((PSO)是一种源于对鸟群捕食行为的研究而发明的进化计算技术(EC)，由Eberhart博士和Kennedy博士首次提出。
相形之下，PSO不但具有GA的全局寻优能力，而且通过参数调整PSO还具备较强的局部寻优能力。
由于没有个体杂交、变异等复杂操作，PSO的参数调整变得简单而易行，更适合于计算机编程。
粒子群优化算法PSO与其它算法(如GA算法)相比，显示出较强的优化效率但在运算过程中仍有可能会陷入局部最优，出现所谓的早熟收敛现象。