数值最优化：粒子群算法

JiNan.YouQuan.Soft

已于 2024-04-06 09:51:20 修改

阅读量910

点赞数 5

分类专栏： CAx 文章标签：算法机器学习人工智能

于 2024-04-06 09:23:59 首次发布

JiNan YouQuan Software Co. Ltd.

本文链接：https://blog.csdn.net/qq_26221775/article/details/137418685

版权

CAx 专栏收录该内容

63 篇文章 20 订阅

订阅专栏

本文详细介绍了粒子群算法(PSO)的原理，包括粒子位置和速度的更新规则，以及算法的操作流程，从初始化到收敛条件。通过粒子的适应值比较和个人/群体最优值的更新，寻找最优解。

摘要由CSDN通过智能技术生成

粒子群算法(Particle Swarm Optimization, PSO)是Kennedy博士于1995年提出的一种数值最优化算法。

本文简述粒子群算法的原理与操作流程。

注1：限于研究水平，分析难免不当，欢迎批评指正。

注2：文章内容会不定期更新。

一、算法描述

粒子群算法利用个体优值与种群优值求解最优解的数值最优化算法。

设 $n$ 维空间中， $m$ 各粒子组成种群 $\boldsymbol{X}\left ( t \right )=\left ( \boldsymbol{x}_{1} ,\boldsymbol{x}_{2},\cdots ,\boldsymbol{x}_{m}\right )$

其中，

$\boldsymbol{x}_{i}$	第 $i$ 个粒子的位置
$\boldsymbol{v}_{i}$	第 $i$ 个粒子的速度
$\boldsymbol{p}_{i}$	第 $i$ 个粒子的历史最优位置
$\boldsymbol{g}$	种群全局最优值

粒子 $i$ 速度更新公式： $\boldsymbol{v}_{i}^{\left (t \right )}=\omega \boldsymbol{v}_{i}^{\left (t-1 \right )}+c_{1}\eta_{1}\left ( \boldsymbol{p}_{i}^{\left (t-1 \right )}-\boldsymbol{x}_{i}^{\left (t-1 \right )} \right )+c_{2}\eta_{2}\left ( \boldsymbol{g}^{\left (t-1 \right )}-\boldsymbol{x}_{i}^{\left (t-1 \right )} \right )$

粒子 $i$ 位置更新公式： $\boldsymbol{x}_{i}^{\left (t \right )}=\boldsymbol{x}_{i}^{\left (t -1\right )}+\boldsymbol{v}_{i}^{\left (t \right )}$

算法流程：

① 初始化，设置加速常数 $c_{1}$ 和 $c_{2}$ ，最大进化代数 $T_{max}$ ，当前进化代数设为 $t=1$ ，随机产生 $m$ 个粒子 $\boldsymbol{x}_{1},\boldsymbol{x}_{2},\cdots ,\boldsymbol{x}_{m}$ 组成初始种群 $\boldsymbol{X}\left ( t \right )$ ；随机产生各粒子初始位移变化 $\boldsymbol{v}_{1},\boldsymbol{v}_{2},\cdots ,\boldsymbol{v}_{m}$ ，组成位移变化矩阵 $\boldsymbol{V}\left ( t \right )$ 。

② 评价种群 $\boldsymbol{X}\left ( t \right )$ ，计算每个粒子在每一维空间的适应值。

③ 比较粒子的适应值和自身最优值 pbest 。如果当前值比 pbest 更优，则置 pbest 为当前值，并将 pbest 位置设为 n 维空间中的当前位置。

④ 比较粒子适应值与种群最优值。如果当前值比 gbest 更有，则置 gbest 为当前粒子的当前值，并将 pbest 位置设为 n 维空间中的当前位置。

⑤ 更新粒子的位移方向和补偿，产生新种群 $\boldsymbol{X}\left ( t+1 \right )$

⑥ 检查是否收敛或者达到最大迭代数，若满足，则结束寻优；否则 $t=t+1$ ，转步骤 ②。

参考文献

Kennedy J., Eberhart R.C. Particle swarm optimization. Proceedings of IEEE International Conferences on Neural Networks 1995.
Shi Y .A Modified Particle Swarm Optimizer[C]//Proc of IEEE Icec Conference.1998.
袁亚湘. 最优化理论与方法. 科学出版社, 1997.