PSO粒子群算法的python简单实现备忘录

最新推荐文章于 2024-07-28 22:49:53 发布

extensive_King

最新推荐文章于 2024-07-28 22:49:53 发布

阅读量938

点赞数

分类专栏： python和机器学习文章标签： python 算法编码

本文链接：https://blog.csdn.net/qq_27157975/article/details/77234163

版权

这篇博客主要介绍了PSO粒子群优化算法的Python实现，通过引用多个资源解决可能出现的崩溃问题。粒子群算法是一种从复杂适应系统理论中诞生的优化方法，用于寻找函数的最大值或最小值。文中以求解y=1-cos(3*x)*exp(-x)在[0,4]的最大值为例，解释了二维情况下的粒子表示和搜索过程，涉及到每个粒子的最优值pi和全局最优值pg的概念。" 7304886,954273,Ubuntu下配置Flash Player Plugin Debugger与Projector,"['Linux开发', 'Adobe Flash', '浏览器插件', '软件配置']

摘要由CSDN通过智能技术生成

主要会出现崩溃问题，所以我就把参考的博文写在前面了：

http://blog.csdn.net/niuyongjie/article/details/1569671

http://blog.csdn.net/kunshanyuz/article/details/63683145

http://blog.csdn.net/zuochao_2013/article/details/53431767?ref=myread

粒子群算法源于复杂适应系统（Complex Adaptive System,CAS）。CAS理论于1994年正式提出，CAS中的成员称为主体。比如研究鸟群系统，每个鸟在这个系统中就称为主体。主体有适应性，它能够与环境及其他的主体进行交流，并且根据交流的过程“学习”或“积累经验”改变自身结构与行为。整个系统的演变或进化包括：新层次的产生（小鸟的出生）；分化和多样性的出现（鸟群中的鸟分成许多小的群）；新的主题的出现（鸟寻找食物过程中，不断发现新的食物）。

我觉得简单来讲，就是有一个函数，你想求它的最大值或最小值，直接求很难求解，你就只好用迂回地方法，设置好多点，然后计算对比他们的值，然后不断迭代，直到找到使得函数得到最大值或最小值的点。

比如我们求取函数y=1-cos(3*x)*exp(-x)的在[0,4]最大值。并在[0,4]之间放置了两个随机的点，这些点的坐标假设为x1=1.5； x2=2.5；这里的点是一个标量，但是我们经常遇到的问题可能是更一般的情况－－x为一个矢量的情况，比如二维的情况 z=2*x1+3*x2²的情况。这个时候我们的每个粒子为二维，记粒子P1＝(x11,x12),P2=(x21,x22),P3=(x31,x32)，......Pn=(xn1,xn2)。这里n为粒子群群体的规模，也就是这个群中粒子的个数，每个粒子的维数为2。更一般的是粒子的维数为q，这样在这个种群中有n个粒子，每个粒子为q 维。