基于PSO算法优化PID参数的一些问题

前言

当我再一次想要认认真真研究一下PSO粒子群算法优化PID参数的时候，准备去matlab中文论坛发帖子讨论，没想到这个论坛已经停止运营了...

下面我将提出四个非常重要的问题，并对这四个问题做出回答。这是我在做研究的时候想找寻“所以然”的一个结果。

在开始之前首先非常推荐一本书，有条件的可以去图书馆借来看看：《粒子群优化算法》李丽、牛奔，相信这本书可以解决你绝大部分疑惑。

---

PSO粒子群算法两个分常重要的公式：

 速度公式：

位置公式：

---

Q1：惯性权重ω如何设置比较好？学习因子C1和C2如何设置？

A1：在我的那篇呈现线性递减惯性权重的PSO-PID代码的文章中（🚪👉线性递减权重的PSO-PID算法），可以知道设置的惯性权重ω是从0.9随着迭代此时而线性递减到0.4的，而个人学习因子C1和社会学习因子C2设置的为一个定值，等于2。

其实，为了让粒子前期尽可能地搜索整个空间，后期更好地收敛到某一个点，加快仿真时间，我们可以设置惯性权重前期大后期小，这样前期惯性大主要还是靠自己的飞行速度，而后期惯性小就利于收敛；同理，对于个人学习因子C1，前期要大，后期要小；对于社会学习因子则反之。ω范围0.4~0.9（不一定是这个数），C1和C2的范围0.1~2。

下面我分别给出常见的惯性权重和学习因子设置的公式：

惯性权重：

以下的ωstart都为0.9，ωend都为0.4

固定惯性权重

（C在0.4~0.9区间，这里取0.68比较好）

典型线性递减惯性权重

线性微分递减惯性权重

随机变化惯性权重1

随机变化惯性权重2

[1]黄训爱,杨光永,樊康生,等.基于改进粒子群算法的PID控制参数优化[J].组合机床与自动化加工技术,2024,(02):89-92+98.

[2]张继荣,张天.基于改进粒子群算法的PID控制参数优化[J].计算机工程与设计,2020,41(04):1035-1040.

非线性动态惯性权重

（k取3<