粒子群算法基础理解篇

1.粒子群算法（又名：鸟群觅食算法/PSO/粒子群算法）基础理解

定义：由随机解出发，通过迭代寻找最优解。

评判算法解求解的标准：通过适应度评价解的品质。

本质起源：基于对动物族群进行集体活动观察的基础（比如鸟群觅食过程）

算法优点：实现易；精度高；收敛快。

算法归属：进化算法；并行算法

【理由如下：

进化算法（Evolutionary Algorithms，EAs）是一类模拟自然选择和遗传学原理的优化算法。它们通过模拟生物进化的过程，如遗传、变异、选择和适者生存等机制，来搜索问题的最优解。应用：广泛应用于复杂优化问题，如工程优化、机器学习、人工智能等领域。

并行算法是指同时在多个处理器上执行的算法，目的是提高计算速度和解决更大规模的问题。应用：在多核处理器、集群计算、分布式系统等领域有着广泛应用。

粒子群算法是进化算法的一种，因为它模仿了自然界中的进化机制，并且以群体智能的方式搜索最优解。同时，由于其每个粒子的更新操作是独立的，它也可以被有效地并行化，从而属于并行算法的范畴。】

---

2.粒子群算法操作原理理解

3.粒子群算法的速度位置更新公式原理

• w表示惯性因子，若较大，全局寻优能力强，局部寻优能力弱；若较小，全局寻优能力弱，局部寻优能力强
• C1为0时无自身认知，只有社会模型，称为全局PSO，有扩展搜索模型的能力，收敛快，但是容易陷入局部最优
• C2为0，无信息交流，只有认知项，难以找到最优解称为局部PSO

4.粒子群算法优化流程图