辊环磨床工装夹具----夹具欢迎咨询-济宁辊环磨床工装

辊环磨床工装——---夹具机械设备（广州）有限公司的技术团队，有多年的齿轮行业和夹具行业的设计、制造、生产，及安装调试经验。

pso算法的改进：传统的 pso 算法虽然具有较好的优化性能，但是其在迭代过程中容易陷入早熟和局部优。因此为了提高 pso 算法的性能，本文提出了以下方法对其进行改进：

　　(1)---系数的改进

　　---系数直接影响了粒子对当前速度的继承量、粒子探索能力和开发能力的均衡性。为了克服传统---系数线性递减无法找到优点而陷入局部优的缺点，本文采用随机---法。首先，若在算法初期粒子接近好的点，随机---法将产生较小的---值 ，提高算法的收敛速度;若算法在初期无法找到好的点，随机---法可使得算法跳出局部优。具体公式如下：　　式中，n(0，1)为服从标准正态分布的随机数；rand (0，1)为0至1之间的随机数。

　　通过式(5)可以发现，将---系数设定为服从正态随机分布的随机数，这样使得 pso 算法在初期如果粒子接近好的点，将具有较小的---值，提高算法的收敛速度;如果在初期pso 算法未能找到好的点，则可使算法轻松的跳出局部优。

欢迎来电---夹具机械咨询更多辊环磨床工装

辊环磨床工装——---夹具机械设备（广州）有限公司的技术团队，有多年的齿轮行业和夹具行业的设计、制造、生产，及安装调试经验。

在pso 算法中，除了---系数之外，学习因子对 pso 算法的性能同样也具有重要的影响。对于 pso 算法，在算法初期较大的c1 和较小的c2，能使其具有---的全局搜索能力，可较大范围的寻找解；在算法后期较大的 c2 和较小的c1，能使其具有---的局部搜索能力。因此，辊环磨床工装生产厂家，为了提高综合 pso 算法的全局搜索能力和局部搜索能力，本文采用非线性变化方法对学习因子进行改进，具体如式(6)所示：　　式中，tmax为迭代数，t为当前迭代数。

　　通过式(6)可以发现，济宁辊环磨床工装，随着迭代数t的增加，使得在算法初期具有较大的c1 和较小的c2，在算法后期具有较大的c2 和较小的c1。因此，辊环磨床工装夹具，综合了pso算法的全局搜索能力和局部搜索能力，提高了算法的运行效率。

　　改进 pso算法的流程：

　　step1：设置 pso 算法的相关参数(种群大小、迭代数，随机---平局值的值和小值，随机---方差)，辊环磨床工装制造厂家，随机初始化种群中各粒子的位置和速度；

　　step2：计算各个粒子的适应度值，保存各个粒子的当前位置和适应值，并比较所有的粒子的适应值，将的赋值于pg；

　　step3：利用式(4)更新粒子的速度和位置；

　　step4：利用式(5)和式(6)更新---和学习因子；

　　step5：将各个粒子的适应值和好的位置进行比较，如果粒子的适应值较好，则将其视为当前的好位置，并且将当前的pi 和pg 进行更新；

　　step6：判断是否满足算法停止条件。若满足，算法停止，输出终结果；否则算法跳转至step2。

欢迎来电---夹具机械咨询更多辊环磨床工装