粒子群算法的迭代寻优算法（Matlab代码实现）

目录

1 概述

2 部分运行结果

 3 Matlab代码实现

 4 参考文献

---

1 概述

粒子群算法是一种基于群体智能的随机寻优算法，特别是针对复杂的工程问题，通过迭代寻优计算，能迅速找到近似解，因此粒子群算法在工程计算机中被广泛应用，但是粒子群优化算法容易陷入局部最优，收敛精度低且不易收敛。因此，针对粒子群优化算法的不足，通过同步改变学习因子以及将模拟退火算法与粒子群算法相结合的方法对函数进行极值寻优。结果表明，同步改变学习因子以及将模拟退火算法与粒子群算法结合后的算法提高了全局寻优能力，其中模拟退火与粒子群结合算法具有最好的收敛性和鲁棒性，求解结果更为精确。

粒子群算法是一种基于群体的随机优化技术。与基于群体的其他的进化算法相比较而言不同的方面是：进化计算遵循的是适者生存原则，而粒子群算法模拟社会，是对鸟群觅食行为的模拟。算法首先将每只鸟抽象成没有体积和质量的粒子，即将每个可能产生的解表述为群中的一个微粒，每个微粒都具有自己的位置向量和速度向量，以及一个由目标函数决定的适应度。所有微粒在搜寻空间中以一定速度飞行，然后每个粒子通过追随个体最优和全局最优来实时地决定各自的“速度”和“位置”，从而在整个解空间中实现对全局最优解的搜索。具有算法简单、容易实现的特点，但是存在陷入局部极值点和收敛精度低且不易收敛的缺点。

2 部分运行结果

粒子群算法与其他的进化类算法相比不同的是，粒子群算法中没有进化算子，而是将每个个体看作搜索空间中没有质量和体积的微粒，并在搜索空间中以一定的速度飞行，该飞行速度由个体飞行经验和群体的飞行经验进行动态调整。

 

 3 Matlab代码实现

 4 参考文献

[1]李晓婉,韦根原.基于模拟退火的粒子群算法寻优[J].科技与创新,2020(22):19-20+23.DOI:10.15913/j.cnki.kjycx.2020.22.007.

[1]高云龙,闫鹏.基于多种群粒子群算法和布谷鸟搜索的联合寻优算法[J].控制与决策,2016,31(04):601-608.DOI:10.13195/j.kzyjc.2015.0352.

部分理论来源于网络，如有侵权请联系删除。