1.简介
1995年美国电气工程师 Eberhart 和社会心理学家 Kennedy 基于鸟群觅食行为提出了粒子群优化算法(particle swarm optimization,PSO),简称粒子群算法。该算法概念简明、实现方便、收敛速度快、参数设置少,是一种高效的搜索算法。
粒子群算法是模拟鸟群飞行觅食的行为,通过鸟之间的集体协作使群体达到最优。尽管每个个体的行为准则是很简单的,但是组合成的整个群体的行为将会是非常复杂的。
此算法基于群体迭代,群体在解空间中追寻最优粒子进行搜索。
2.粒子群算法
在粒子群算法中,每一个个体称为一个“粒子”,其实每一个粒子代表着一个潜在的解。
在一个D维的目标搜索空间中,每个粒子看成是空间内的一个点。假设群体由m个粒子构成。m为粒子群的群体规模,但在实际应用的过程中我们需要选择合适的m值,m过大的话会影响算法的收敛速度和收敛性。
:为第i个粒子(i=1,2,......,m)在D维空间中的矢量位置;(根据事先设定好的适应值函数可以计算 当前的适应值,以评估当前位置的好坏)
:为第i个粒子(1=1,2,......,m)的飞行速度,即粒子移动的距离;
:粒子i迄今为止搜索到的最优位置;