迭代步进值自适应调整的果蝇优化算法

针对传统果蝇优化算法(FOA)收敛精度不高和易陷入局部最优的缺点,提出了一种迭代步进值自适应调整的果蝇优化算法(FOAMR)。在该算法中,引入了果蝇群体速度进化因子和聚集度因子,并将迭代步进值表示为以上2个参数的函数同时定义自适应调整因子。在每次迭代时,算法根据当前果蝇群体速度进化因子和聚集度因子动态调整步进值的大小并通过自适应调整因子动态调整搜索距离的大小。对典型函数的测试结果表明,FOAMR比FOA具有更好的全局搜索能力,同时收敛速度、收敛精度明显提高。

基于迭代步进值递减的果蝇优化算法在PID整定中的应用

果蝇优化算法在计算精度和运算速度上比传统方法有着显著的提高,在解空间上可以快速高效地得到全局最优解,但也极易陷入局部最优。为了获得自动电压调节器(AVR)控制系统的最佳PID参数,对果蝇优化算法进行改进,提出了一种迭代步进值递减的果蝇优化算法。使用改进的算法对AVR系统PID参数进行在线整定,仿真结果表明:改进的果蝇优化算法比原算法在PID控制器中获得了更好的控制性能,改进算法具有一定的实用价值。

迭代步进值递减的果蝇优化算法在PID整定中的应用

PID控制器参数决定着系统控制效果,因此需要在参数空间中选择最佳的参数,使系统控制性能达到最优。果蝇优化算法在计算精度和运算速度上比传统方法有着显著的提高,在解空间上可以快速高效的得到全局最优解,但是也极易陷入局部最优。自动电压调节器(AVR)系统通常采用PID控制器,为了更加有效地获得PID参数进行在线调整,仿真结果表明改进的果蝇优化算法比原来的算法在PID控制器中获得了更好的控制性能,改进算法具有一定的实用价值。