参数优化是许多科学、工程问题以及社会经济活动中的重要研究内容。国内外学者已经针对这一问题提出了大量进化算法,如遗传算法、免疫算法、粒子群算法等。粒子群算法作为一种新的进化算法,不依靠遗传算子来操作个体,而是依靠个体间的信息交换来达到群体的共同演化,所有的微粒都有调整自身速度和记忆经历过的最好位置的能力。该算法已成功地解决了许多工程实际问题,并取得了很好的优化效果。 本文在分析粒子群优化算法基本原理的基础上,针对标准粒子群算法易陷入局部解的不足,提出了变异操作和线性递增的改进方案——自适应粒子群算法,进而对该算法在FIR数字滤波器的优化设计、多目标满意优化以及鲁棒PID参数整定方面进行了应用研究,并通过仿真实验验证了自适应粒子群算法的有效性和优越性。 本文的主要研究工作与贡献如下: 1.简要的回顾了计算智能的理论和技术发展史,叙述了粒子群算法的研究背景,总结了多目标优化的传统解决方法以及多目标满意优化的特点,并介绍了鲁棒PID控制的研究背景及其现状。 2.对粒子群算法进行详尽的分析和综述,将粒子群算法应用在频率抽样技术中,提出一种新的FIR滤波器优化设计方法,实例验证了这种优化设计方法的可行性及优越性。 3.针对粒子群算法在参数设置方面缺乏理论依据,以及在收敛过程中易陷入局部解的问题,分析了粒子群中独立粒子的运动轨迹,以及整个粒子群系统的稳定性,在此基础上引入自然界“优胜劣汰”的思想,提出新的参数设置方法,仿真结果证明新方法具有良好的自适应能力。 4.在介绍满意优化方法的一般定义和传统的多目标优化方法的基础上,通过多目标满意优化方法寻求“满意解”来代替“最优解”,提出了一种基于自适应粒子群算法的多目标满意优化策略,在满足有效解或者弱解有解的条件下,使相互矛盾的各个目标得以兼顾。 5.从分析LQR指标入手,结合minmax原则,将自适应粒子群算法应用于PID参数整定中,提出新的PID参数整定方法。仿真结果表明了该整定方法所设计的控制器具有良好的鲁棒性。