3 粒子群优化算法 12

3.1 粒子群优化算法的背景和意义 12

3.2 粒子群优化算法的基本原理 13

3.3 粒子群优化算法的分析 13

3.4 一种改进过的粒子群优化算法 14

4 粒子群优化在非线性时滞离散系统中的应用 16

4.1 仿真结果 17

4.2 仿真分析 24

5 总结 25

附录 27

参考文献 43

致谢 45

图清单

图序号 图名称 页码

图 1-1 PID 控制原理在现实中的运用 1

图 1-2 电网结构图 4

图 1-3 规划后的电网结构图 5

图 1-4 专家智能 PID 控制器原理图 7

图 2-1 PID 控制对混沌系统的处理流程 10

图 5-1 例子一中主从状态的对比图 18

图 5-2 针对例子一的离散控制率 18

图 5-3 针对例子一的 PID 控制参数 19

图 5-4 例子二中主从状态的对比图 19

图 5-5 针对例子二的离散控制率 20

图 5-6 针对例子二的 PID 控制参数 20

图 5-7 例子三中主从状态的对比图 21

图 5-8 针对例子三的离散控制率 21

图 5-9 针对例子三的 PID 控制参数 22

图 5-10 例子四中主从状态的对比图 22

图 5-11 针对例子四的离散控制率 23

图 5-12 针对例子四的 PID 控制参数 23

表清单

表序号 表名称 页码

表 3-1 IPSO 的伪代码 16

表 5-1 差分进化算法解决例子一的优化结果 24

表 5-2 差分进化算法解决例子二的优化结果 24

表 5-3 差分进化算法解决例子三的优化结果 24

表 5-4 差分进化算法解决例子四的优化结果