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