臺灣博碩士論文加值系統

傳統粒子群聚最佳化(Particle Swarm Optimization, PSO)具有容易掉入局部最佳區域解的問題，本研究提出改良式粒子群聚演算法則藉以改善。此演算法則是以基因演算法(Genetic algorithm)與粒子群最佳化(Particle swarm optimization)演算法的結合，根據實數型基因(Real-number genetic algorithm)演算法與傳統粒子群最佳化演算法作為基礎，將分配(Distribution)、選擇(Selection)、收縮係數法(Constriction Method)以及突變(Mutation)步驟導入粒子群聚最佳化演算法內。

本研究將改良式粒子群聚演算法則應用在三種不同的測試函數、二階受控系統與三階受控系統，藉以驗證改良式粒子群聚最佳化演算法則比基因演算法、粒子群聚演算法與Ziegler-Nichols法則還優越。

In this research, the modified particle swarm optimization method (PSO) is investigated. The traditional particle swarm optimization method was bringing the local minimum characteristic. Consequently, the genetic algorithm (GA) is cooperating with the particle swarm optimization method to avoid the local minimum characteristic. The basic elements, including distribution, selection and mutation will count into the particle swarm optimization method based on constrict factor.
There are three benchmark problems and two control systems be used to verify the proposed method. Some computer simulations are provided to illustrate the advances, better than traditional GA and PSO, of our main ideas.

中文摘要 I
Abstract II
誌謝 III
目錄 IV
圖目錄 VII
表目錄 IX
符號目錄 X
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機與方法 1
1.3 論文大綱 3
第二章 基因演算法 4
2.1二進位型基因演算法 5
2.1.1 染色體編碼與解碼 5
2.1.2 選擇 6
2.1.3 交配 7
2.1.4 突變 9
2.1.5 收斂條件或停止條件 9
2.2 二進位型基因演算法流程 10
2.3 實數型基因演算法 12
2.3.1 選擇 12
2.3.2 交配 12
2.3.3 突變 13
2.3.4 收斂條件或停止條件 14
2.4 實數型基因演算法流程 14

第三章 改良式粒子群聚演算法則 16
3.1 粒子群聚最佳化演算法 17
3.1.1粒子群聚最佳化演算法概論 18
3.1.2 粒子群聚最佳化演算法流程 21
3.2 改良式粒子群聚演算法法則 23
3.2.1改良式粒子群聚演算法法則概念 23
3.2.2改良式粒子群聚演算法法則流程 24

第四章 數值模擬與結果 28
4.1 Ackley測試函數與測試結果 29
4.2 Rosenbrock測試函數與測試結果 34
4.3 Schwefel測試函數測試結果 38
第五章 PID控制器設計與應用 43
5.1 PID控制器介紹 44
5.2 Ziegler-Nichols法則 47
5.3 基因演算法基於PID控制器之架構 52
5.4 粒子群聚最佳化演算法則基於PID控制器之架構 54
5.5 改良式粒子群聚演算法則基於PID控制器之架構 56
5.6 模擬結果 58
第六章 結論與未來展望 64
參考文獻 66

[1]Kennedy, J., Eberhart, R. C., “Particle Swarm Optimization”, Proceedings of the IEEE International Conference on Neural Networks, Vol. 4, pp. 1942-1948. 1995.
[2] Yuryevich, J. and Wong, K. P., “Evolutionary Programming Based
Optimal Power Flow Algorithm,” IEEE Transactions on Power
System, Vol. 14, pp. 1245-1250, Nov. 1999.
[3] 劉波，粒子群優化算法及其工程應用，電子工業出版社，北京，
2010年8月。
[4] 記震、廖慧連、吳青華，粒子群算法及應用，科學出版社，北
京，2009年1月。
[5]Abido, M. A., “Optimal Power Flow Using Particle Swarm Optimization,” Electrical Power and Energy Systems, Vol.54, No. 24, pp. 563-571, 2002.
[6] Man, K. F., Tang, K. S., and Kwong S., “Genetic Algorithm: Concepts and Applications”, IEEE Transactions on Industrial Electronics, Vol. 43, No. 5, pp. 519-534, 1996.
[7] Edwin, K. P. C., Stanislaw, H. Z., “An Introduction to Optimization ”, Third Edition, Canada, 2008.
[8] 趙明旺、王杰，智能控制，華中科技大學出版社，武昌，2010
年3月。

[9] 林志交，基因演算法於模型影像套合計算之應用，碩士論文，
國立成功大學，台南，2002。
[10] 田川昇，利用基因演算法與類神經網路建立台灣西南海域深部
地層滲透率模式之研究，碩士論文，國立成功大學，台南，2002。
[11] 施志展，利用基因演算法進行風扇之製程改善，碩士論文，國
立高雄應用科技大學，高雄，2006。
[12] 黃明德，基因演算法與 PID 控制法於非線性雙旋轉翼多輸入
多輸出系統之應用，碩士論文，國立台灣海洋大學，基隆，2002。
[13] 謝欣宏，台鐵司機員排班與輪班問題之研究－以基因演算法求
解，碩士論文，國立成功大學，台南，2002。
[14] 黃順德，應用基因演算法於多層甲板結構物之最佳化設計，碩
士論文，國立成功大學，台南，2002。
[15]Shi, Y. and Eberhart, R.C., “A modified particle swarm optimizer”, IEEE International Conference on Evolutionary Programming, Alaska, May 4-9. 1998
[16] Eberhart, R. C.and Shi, Y., “Particle Swarm Optimization:
Developments, Applications and Resources,” Proc. IEEE Int. Conf.
On Evolutionary Computation, Vol. 1, pp. 81-86, 2001.
[17] 許文宇，具強健性的自動調整式模糊PID控制器之設計，碩士
論文， 國立高雄應用科技大學，高雄，2010。
[18] 吳信璋，遞減式螞蟻族群演算法在PID控制參數調整之研究，
碩士論文，國立高雄海洋科技大學，高雄，2007。
[19] 張碩、詹森，自動控制系統，鼎茂圖書出版股份有限公司，台
北，2007年1月。
[20] 張啟鴻，一階具時間延遲系統以無單位參數進行PID 控制器之
微調，碩士論文，國立屏東科技大學，屏東，2003。
[21] 陳信村，內嵌粒子群聚最佳化的基因演算法則之研究，碩士論文，國立高雄海洋科技大學，高雄，2010。
[22] 陳朝光、陳介力、楊錫凱，自動控制，高立圖書有限公司，台
北，2006年1月。
[23] 俞克維，控制系統分析與設計使用Matlab，新文京開發出版有
限公司，台北，2003。
[24] 王雅賢，粒子群最佳化演算法改良之研究，碩士論文，中原大
學，桃園，2006。