关于粒子群算法的个人理解 粒子群算法（Particle Swarm Optimization，PSO）

理解：假使一群鸟要找吃的，这时一群鸟就是粒子群，一只鸟就是个体。

 

初始化：最开始鸟在一定的范围内(已经知道了这个范围内是有食物的了)各自有自己的速度(所谓速度就是下一次迭代(或者说下一单位时间？与物理上的意义一致)想要在这个维度上走的长度，也就是步长，多个维度的步长就会组成一个运动方向，所以这里的速度不仅有大小，而且有方向，因此是一个矢量)与位置；

 

寻找机制：这时候鸟有个小雷达，可以食物信号的强度，强度越大，实物越近(比如要求解一个函数的最大值，那么信号最大值的位置就是食物所在的位置，然后计算当前位置到最大值的位置的距离，就是与食物的距离了)，但是位置这个可说不准，所以用鸟鸣沟通，看看谁雷达信号最大，那么她身边更有可能具有食物。这样鸟群所有人都报了一下自己雷达强度，发现A小鸟身边强大最大，鸟群会议决定向A小鸟那里飞；但是每只鸟都有自己的小心思，虽然自己位置所在的雷达信号不是最大的，但是往自己曾经飞过信号最大的地方去，万一才是食物的所在地呢？但是鸟群会议的指令又不能不听，所以所有的小鸟最后飞的速度都是一个折衷的方案，也就是两个方向都要走，走个速度的合成，但是鸟还有惯性，转向不那么灵便，所以变成了自己原本的速度，往鸟群会议方向的速度，以及自己经验想要飞去的速度的合成。

 

所以有公式：

 

 

这里k表示第k轮，或者第k个单位时间。

Vid表示第i只鸟个体在第d维的速度，ω表示惯性因子；c1为自我学习因子，c2为社会学习因子；r1与r2为两个随机数，区间在(0,1)上，（可以理解成鸟的意志很难捉摸，对于自己的经验与社会经验，有时候很相信，有时候又不是很相信，变成了一个概率事件）；Pid表示第i个鸟个体在她自己走过的位置上的信号最强位置在d维度上的位置；Ppd是表示通过鸟会议得到的最佳信号位置在d维上位置；

 

流程图：