Particle Swarm Optimization και τεχνολογικές εφαρμογές
Subject
TPSH::Επιστήμη ΥπολογιστώνKeywords
Βελτιστοποίηση ; Εξελικτικοί αλγόριθμοι ; PSO ; Particle Swarm Optimization ; Standard Particle Swarm Optimization ; Adaptive Particle Swarm OptimizationAbstract
Στα πλαίσια της τεχνητής νοημοσύνης και τεχνητής ζωής έχουν αναπτυχθεί διάφοροι
αλγόριθμοι που μιμούμενοι διεργασίες της φύσης προσδοκούν να δώσουν λύση σε
διάφορα προβλήματα. Τέτοιοι αλγόριθμοι ονομάζονται μεθευρετικοί αλγόριθμοι
βελτιστοποίησης. Αντικείμενο της ακόλουθης εργασίας είναι η παρουσίαση του
αλγορίθμου Βελτιστοποίησης Σμήνους Σωματιδίων (Particle Swarm Optimization -
PSO) και της χρήσης του σε εφαρμογές στα συστήματα αυτομάτου ελέγχου.
Στο πρώτο μέρος γίνεται μια αναφορά στις μεθόδους και τις τεχνικές
βελτιστοποίησης της Υπολογιστικής Νοημοσύνης καθώς και μια ιστορική αναδρομή
και επεξήγηση της φιλοσοφίας του αλγορίθμου του PSO.
Στο δεύτερο μέρος γίνεται μια εκτενής παρουσίαση του αλγορίθμου σε περιβάλλον
προγραμματισμού Matlab. Ακόμα, παρουσιάζεται μια από της πιο γνωστές
παραλλαγές και βελτιωμένες εκδόσεις του αλγορίθμου, APSO, καθώς και μια νέα
έκδοση, DPSO, που αναπτύχθηκε και για πρώτη φορά παρουσιάζεται στα πλαίσια της
παρούσας πτυχιακής. Οι δυο αυτές εκδόσεις συγκρίνονται μεταξύ τους στην επίλυση
προβλημάτων μαθηματικής βελτιστοποίησης (test functions) και παρουσιάζονται τα
αποτελέσματα.
Στο τρίτο μέρος αναλύεται το πρόβλημα ελέγχου δύο πραγματικών συστημάτων
ελέγχου μέσω μοντελοποίησης στο Simulink. Για τον έλεγχο των συγκεκριμένων
φυσικών συστημάτων υλοποιείται ο PID-Τύπου ασαφής ελεγκτής και ρυθμίζεται
μέσω των δύο προαναφερθέντων εκδοχών του PSO.
Τέλος, τα ερευνητικά ευρήματα και συμπεράσματα που προκύπτουν, παρουσιάζονται
στο τέταρτο και τελευταίο μέρος της εργασίας. Ακόμα, εκεί μπορεί κανείς να βρει
προτεινόμενες λύσεις για την χρήση και ανάπτυξη του PSO σε περιβάλλον Matlab,
καθώς και προτάσεις για περαιτέρω έρευνα και ανάπτυξη του προτεινόμενου DPSO.
Abstract
In the context of Artificial Intelligence and Artificial Life several algorithms which
imitate the processes of nature have developed, hoping to give a solution to various
problems. Such algorithms are called metaheurisic optimization algorithms. Purpose
of the following paper is to present the algorithm of Particle Swarm Optimization
(Particle Swarm Optimization - PSO) and apply it in automatic control systems.
The first part is a reference to methods and optimization techniques of Computational
Intelligence and a historical overview and explanation of the philosophy of the
algorithm of PSO.
The second part is a detailed presentation of the algorithm in a programming
environment called Matlab. Also, it presents one of the most famous variations and
improved versions of the algorithm, APSO, and a new version, DPSO, developed and
first presented in the framework of this thesis. These two versions are compared with
each other in solving mathematical optimization (test functions) and the results
presented.
The third part analyzes the problem of verification of two real control systems
through modeling in Simulink. For the control of certain physical systems a PID-Type
fuzzy controller is implemented the and regulated via the above two versions of PSO.
Finally, research findings and conclusions drawn are presented in the fourth and final
part of the job. Additionally, one can find proposed solutions, use and development of
PSO in Matlab environment, and suggestions for further research and development of
the proposed DPSO.
Number of pages
115 σελ.Faculty
Σχολή Τεχνολογικών ΕφαρμογώνAcademic Department
Τμήμα ΑυτοματισμούLanguage
GreekCollections
The following license files are associated with this item:
Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα