粒子群算法与遗传算法设计四阶状态变量滤波器的比较

粒子群算法与遗传算法设计四阶状态变量滤波器的比较

杨晓翠¹, 李春菊², 乔双²

1. 白城师范学院物理系, 吉林省白城 137000; 2. 东北师范大学物理学院, 长春 130024

收稿日期:2007-04-05 修回日期:1900-01-01 出版日期:2007-11-26 发布日期:2007-11-26
通讯作者: 杨晓翠

Comparison between Particle Swarm Optimization and Genetic Algorithm in Four-order State Variable Filter’s Design

YANG Xiao cui¹, LI Chun ju², QIAO Shuang²

1. Department of Physics, Baicheng Normal College, Baicheng 137000, Jilin Province, China; 2. School of Physics, Northeast Normal University, Changchun 130024, China

Received:2007-04-05 Revised:1900-01-01 Online:2007-11-26 Published:2007-11-26
Contact: YANG Xiao cui

摘要/Abstract

摘要： 用粒子群算法和遗传算法设计四阶状态变量滤波器, 并对两种算法得出的滤波器电路进行Pspice仿真及实际电路测试, 同时, 对两种算法得出的数据进行统计比较. 结果表明, 在平均收敛时间、平均收敛效率和收敛精度上, 粒子群算法均明显优于基本遗传算法. 

关键词: 粒子群算法, 遗传算法, 四阶状态变量滤波器, 仿真

Abstract: This paper introduces the design method of the four-order state variable filter with the particle swarm optimization and genetic algor ithm. The evolution results were emulated via Pspice, and the actual electric circuit was tested. The statistical data were compared, the results indicate that the important indexes of average convergence generation and average convergence time are much better in particle swarm optimization than those in basic genetic algorithms.

Key words: particle swarm optimization, genetic algorithm, four-order state variable filter, emulation

中图分类号:

TP273

杨晓翠, 李春菊, 乔双. 粒子群算法与遗传算法设计四阶状态变量滤波器的比较[J]. J4, 2007, 45(06): 979-984.

YANG Xiao cui, LI Chun ju, QIAO Shuang. Comparison between Particle Swarm Optimization and Genetic Algorithm in Four-order State Variable Filter’s Design[J]. J4, 2007, 45(06): 979-984.

[1]	王出航, 王雪, 胡黄水, 赵宏伟, 韩由佳. 基于改进GA和信任感知的无线传感器网络安全分簇路由协议[J]. 吉林大学学报(理学版), 2021, 59(5): 1237-1244.
[2]	李蛟, 胡黄水, 赵宏伟, 鲁晓帆. 基于混沌遗传算法的无线传感器网络改进LEACH算法[J]. 吉林大学学报(理学版), 2021, 59(4): 950-955.
[3]	裴莹, 苏山, 付加胜, 韩霄松. 一种求解复杂优化问题的快速遗传算法算子[J]. 吉林大学学报(理学版), 2021, 59(3): 602-608.
[4]	陶玉杰, 李艳红, 孙刚. 基于Bernstein多项式构造前向神经网络的遗传算法[J]. 吉林大学学报(理学版), 2021, 59(2): 233-240.
[5]	王婷婷, 王宏志, 刘清雪, 胡黄水, 王出航. 遗传算法优化的无刷直流电机模糊PID控制器设计[J]. 吉林大学学报(理学版), 2020, 58(6): 1421-1428.
[6]	陈静, 唐傲天, 刘震, 徐森, 曹晓聪. 一种基于Kriging模型加点策略的多目标粒子群优化算法[J]. 吉林大学学报(理学版), 2020, 58(5): 1159-1166.
[7]	尹伟石, 刘晓奇, 徐轩. 热源参数识别问题的Bayes遗传算法[J]. 吉林大学学报(理学版), 2020, 58(4): 841-846.
[8]	朱豪, 彭艺, 张申, 李启骞. 基于改进遗传算法的自适应越区切换方案[J]. 吉林大学学报(理学版), 2020, 58(1): 133-139.
[9]	薛鹏, 刘国斌, 崔弘, 王海彪, 王春雷. 基于改进遗传PID算法的能量回馈制动系统[J]. 吉林大学学报(理学版), 2019, 57(5): 1200-1206.
[10]	胡黄水, 郑曼, 王宏志. 基于遗传算法的MVB周期调度表优化[J]. 吉林大学学报(理学版), 2019, 57(3): 613-618.
[11]	袁赫潞, 温长吉, 吴建双, 朱允刚, 于合龙. 基于遗传珊瑚礁优化算法的负载均衡问题[J]. 吉林大学学报(理学版), 2019, 57(06): 1465-1471.
[12]	张赛男, 刘东亮. 基于CW节约算法和遗传算法的网络优化[J]. 吉林大学学报(理学版), 2018, 56(5): 1219-1223.
[13]	王晓天, 边思宇. 基于遗传算法和神经网络的PID参数自整定[J]. 吉林大学学报(理学版), 2018, 56(4): 953-958.
[14]	杨琦. 融合Morlet小波与GA优化多模态核的轴承故障检测算法[J]. 吉林大学学报(理学版), 2018, 56(1): 101-108.
[15]	刘颖, 张丽娟, 韩亚男, 庞丽艳, 王帅. 基于粒子群协同优化算法的供应链金融信用风险评价模型[J]. 吉林大学学报(理学版), 2018, 56(1): 119-125.