Resumen

Aunque la optimización por enjambre de partículas (PSO) se ha utilizado ampliamente para abordar diversos problemas complicados de ingeniería, aún es necesario superar las diversas deficiencias de PSO, por ejemplo, la convergencia prematura y la baja precisión. Su resultado final de optimización está relacionado con la selección de los parámetros de control; por lo tanto, se propone un algoritmo de optimización de enjambre de partículas de convergencia mejorada con muestreo aleatorio de los parámetros de control. Para el algoritmo propuesto, se diseña la estrategia de muestreo aleatorio de los parámetros de control, que puede promover la flexibilidad de los parámetros del algoritmo y simultáneamente mejorar la aleatoriedad de actualización tanto para la velocidad como para la posición de las partículas. De acuerdo con el análisis de convergencia de PSO, el rango de muestreo para el peso inercial se determina después de que ambos factores de aceleración hayan sido muestreados en sus respectivos intervalos de valores, para asegurar la convergencia en cada paso de evolución del algoritmo. Además, para aprovechar al máximo la información dimensional de algunas partículas mejores, se ha adoptado el enfoque de corrección estocástica en cada dimensión para el valor óptimo de la población. Los resultados finales de los experimentos demuestran que el algoritmo propuesto mejora aún más la tasa de convergencia, manteniendo una mayor precisión de convergencia, en comparación con la optimización básica de enjambre de partículas y otras variantes.

• Materias:Control del proceso Aerodinámica Robótica Regulación automática Diagnóstico de fallos
• Subjects: Aerodynamics Robotics Automatic regulation Fault diagnosis
• Palabras claves:pso, algoritmo, parámetros de control, optimización básica por enjambre de partículas, algoritmo de optimización por enjambre de partículas de convergencia, diversos problemas complicados de ingeniería, selección de parámetros de control, resultados finales de los experimentos, resultado final de la optimización, mayor precisión de convergencia
• Keywords:pso, algorithm, control parameters, basic particle swarm optimization, convergence particle swarm optimization algorithm, various complicated engineering problems, control parameters selection, final experiments results, final optimization result, higher convergence accuracy