Parallel PSO Using C++ Thread（基于c++多线程的并行粒子群优化算法）

记得某次数学建模的老教授介绍优化的时候提过这个算法，说这个算法可以找到全局最优，今天我们从这个全局最优和并行计算的角度出发，聊聊PSO算法。
粒子群算法：
简介：
初始化一群粒子，每个粒子具有自己的速度和位置，每个粒子在群体最优解符合要求之前都在不停的运动，且，下一点的位置和速度受自身位置和速度的影响之外，还受粒子本身找到的个体最优解（已经过的最贴近最优解的点）和群体最优解的影响。
注：粒子的初始化的位置是随机的，初始化的速度也是随机的。
推导公式：（来源于老师分享的一篇国外的论文）
速度更新公式：

w：惯性因子，代表上一个点的速度对下一个点的影响，范围是大于等于0.4，小于0.9。（原因见下图的公式推导）

c1 ，c2：学习因子（局部效应和全局效应），代表下一点的速度受个体最优值和群体最优值的影响，除了学习因子，还有随机性的影响，取值在0-1之间的r1，r2为随机性而存在。
C++实现：
规划一下思路：

铺垫工作告一段落，开始上主角—>代码；
首先贴上打辅助的Better类，Ifunction类，MyFunction类。（为不显得冗余，此处仅仅贴上.cpp的内容）
Better：

Better::Better(bool isMax)
{
    this->isMax = isMax;
}
bool Better::isBetterThan(double d1, double d2)
{
    if (isMax)
    {
        return d1 > d2;
    }
    else
    {
        return d1 < d2;
    }
}
Better::~Better()
{
}

Ifunction：没有具体实现方法，供子类继承实现具体函数，这里就不赘述了
MyFuntion：具体函数f=x*x+y*y+z*z;并且在main函数中，将每个变量设置在-10到10的区间

double MyFunction::operator()(const vector<double>& pos)//实现父类中的方法
{
    double x = pos[0];
    double y = pos[1];
    double z = pos[2];
    return x*x + y*y + z*z;
}

Solution：

Solution::Solution(int dim, IFuntion *fun)
{
    srand(time(NULL));