1、第第 11讲讲 最优化理论及 方法优化策略：爬山法：( 1 ) ( ) ( ) ( ) *X k X k X k X k P 穷举法：1 1 1( 1 ) ( ) ( )X k X k X k 2 2 2( 1 ) ( ) ( )X k X k X k 实例：11( 1 ) ( ) ( )60Tx k T x k T e k T Tt2 2 2 ( 1 ) ( ) ( ) 0. 63 69 ( ) 54 PITx k T x k T x k T u k T 03( ) ( ) ( )e k T p k T x k T3 3 3 2 ( 1 ) ( ) ( ) ( ) 53.6Tx k T x
2、k T x k T x k T 11( ) ( ) ( )PIu k T e k T x k T13 ( 1 ) ( 1 ) p k T x k T 仿真程序：clear all;DT=1;ST=800;LP=ST/DT;Q=0;DTA=0.52;Ti=65;x1=0;x2=0;x3=0;R=1;for i=1:LPe=R-x3;x1=x1+DT/DTA/Ti*e;upi=e/DTA+x1;x2=x2+DT*0.6369*(-x2+upi)/54;x3=x3+DT*(-x3+x2)/53.6;ti=i*DT;y(i)=x3;endplot(t,y,b);hold on;优化仿真主程序：clea
3、r all;Qmin=1030;DTA_l=0.5;D_DTA=0.05;DTA_h=2;Ti_l=20;D_Ti=1;Ti_h=150for DTA=DTA_l:D_DTA:DTA_hfor Ti=Ti_l:D_Ti:Ti_hQ=simu_mk(DTA,Ti);if QQmin;Qmin=Q;DTAm=DTA;Tim=Ti;endendend优化仿真子程序：function Q=simu_mk(DTA,Ti)DT=1;ST=800;LP=ST/DT;Q=0;x1=0;x2=0;x3=0;R=1;for i=1:LPe=R-x3;x1=x1+DT/DTA/Ti*e;upi=e/DTA+x1;x2=x2+DT*0.6369*(-x2+upi)/54;x3=x3+DT*(-x3+x2)/53.6;ti=i*DT;y(i)=x3;Q=Q+0.02*t(i)*abs(e)*DT+0.98*upi*upi*DT; end群体智能：粒子群（鸟群）算法：( 1 ) ( ) ( 1 )X k X k X k ( 1 ) *X k P 1 1 2 2( 1 ) ( ) ( ( ) ) ( ( ) )b e st b e sti i i i g iX k X k c r x x k c r x x k 蚁群算法：遗传 算法 ：
