摘要：20世纪90年代，研究学者门开始钻研粒子群算法的研究, 它的基本思想是模仿自然界生物的群体行为来学习研究，一般来说自然界的生物并非智能,但整个生物群体确实复杂难寻的。可以用于科学研究，也可以在工程上利用。目前已经成为了计算机范畴的热门话题。同时，因为最后需要用PSO去解决实际的问题，会有很多的约束条件，或者会有多个优化目标参数，而在粒子群算法刚提出时的依据是单个参数的优化，不具备处理多个条件的限制。根据这些情况，本论文的研究工作如下：起首主要讨论了粒子群研究的发展现状，研究的背景和意义，之后分析了粒子群算法的程序设计的基本框架，算法原理和在工程中的应用。在后，用matlab模拟仿真了粒子群算法的具体工作方式和流程，并通过案例来分析多目标粒子群优化算法的优势与不足。

关键词：粒子群算法  算法优化  程序设计  matlab

目录

摘要

Abstract

第一章 绪论-1

1.1 课题研究背景及意义-1

1.2 课题研究内容和结构-1

第二章 粒子群算法及其理论基础-3

2.1 粒子群算法原理-3

2.1.1 原始粒子群算法-3

2.1.2 标准粒子群算法-3

2.2 粒子群的关键技术及拓扑结构-4

2.3 粒子群算法的理论分析-5

2.3.1 粒子的线性离散系统构建-5

2.3.2 粒子群算法的收敛性分析-6

2.4 粒子群算法在实际问题中的应用-7

2.4.1 粒子群算法在水分运动曲线参数的应用-7

2.4.2 粒子群算法在CCMV模型中的应用-7

第三章 基于matlab的粒子群算法程序设计-8

3.1 matlab简介-8

3.2 用matlab实现粒子群算法-8

3.2.1 粒子群的初始化-8

3.2.2  群体Gbest和Pbest的确定-8

3.2.3 粒子速度和位置的更新-9

3.2.4 粒子Pbest和Gbest的更新-10

3.3 利用matlab模拟仿真-10

3.4 粒子群算法在实际问题中的应用与优势分析-12

3.4.1 利用粒子群算法解决函数问题-12

3.4.2 求最大值matlab代码-15

3.4.3 函数求解结果-17

3.4.4 粒子群算法优势分析-18

第四章 粒子群算法优化分析-19

4.1 多目标优化算法-19

4.2 多目标优化算法发展进程-20

4.2.1 传统多目标算法及其局限性-20

4.2.2 进化多目标优化算法-20

4.3 多目标优化算法matlab程序-21

4.3.1 主函数源程序-21

4.3.2 适应度函数源程序-22

4.4 多目标粒子群优化算法在电子信息工程中的应用分析-23

4.4.1 用粒子群算法实现电路功率跟踪仿真-23

4.4.2 matlab程序代码-26

4.5 多目标粒子群优化算法工程设计应用范畴-28

结束语-30

参考文献-31

致  谢-32