快速简单理解粒子群优化算法（Particle Swarm Optimization, PSO)

最新推荐文章于 2023-11-27 13:07:08 发布

不会飞的小企鹅

最新推荐文章于 2023-11-27 13:07:08 发布

阅读量912

点赞数

分类专栏：优化算法文章标签：机器学习算法性能优化深度学习 python

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_45706006/article/details/124009853

版权

优化算法专栏收录该内容

1 篇文章 0 订阅

订阅专栏

粒子群优化算法是一种仿生优化方法，基于群体智能，通过粒子的位置和速度来寻找问题的最优解。粒子的位置代表解空间中的点，速度决定其迭代方向和距离。个体极值是个体粒子的最佳位置，而群体极值是所有粒子中最好的个体极值。在迭代过程中，速度由惯性、个体极值和全局极值三部分决定，位置则依据更新后的速度更新。算法不断迭代直到找到最优值。该方法与最速梯度下降法类似，但速度更新更具方向性和约束性。

摘要由CSDN通过智能技术生成

1.粒子的两个性质：位置、速度

位置是什么：解空间中的点

速度是什么：解空间点的运动性质，和物理中的速度类似，是一个矢量，包括大小和方向，也就是找到下一个迭代点时的方向和距离

当粒子具有这两个性质的时候，转为数学语言为：当前解的大小已知，判断是否为极值，不是的话，按照一定的方向走一定的距离，寻找下一个迭代点，一直到迭代结束。

2.粒子群中的两个极值：个体极值、群体极值

个体极值是什么：单个粒子在运动过程中的极值的最优位置（个人力量的最大）。

群体极值是什么：种群中所有粒子搜索到的最优位置（群体力量最大）

两者关系：群体极值是最优的个体极值

3.迭代公式中的重要变量名称

$\vec{x_{i}}$ ：第i个粒子的位置

$\vec{v_{i}}$ ：第i个粒子的速度

$\vec{p_{i}}$ ：个体极值

$\vec{p_{g}}$ ：种群极值

4.迭代公式

找到最优值=随机一些粒子从初始位置开始，根据速度不断搜寻。

$\vec{v_{i}^{k+1}}=W\vec{v_{i}^{k}}+c_{1}r_{1}(\vec{p_{i}^{k}}-\vec{x_{i}^{k}})+c_{2}r_{2}(\vec{p_{g}^{k}}-\vec{x_{i}^{k}})$ -------速度更新

$\vec{x_{i}^{k+1}} = \vec{x_{i}^{k}} +\vec{v_{i}^{k+1}}$ -------位置更新

速度更新公式的理解：

下一次速度 = 当前速度*惯性矩阵+当前个体极值位置偏差+当前种群极值位置偏差

用当前两种极值偏差约束速度，使速度更向极值方向靠拢，加强收敛性

位置更新公式理解：

下一次位置 = 当前位置+更新后的速度

找到下一个可能极值点

5.总结

粒子群优化算法更新结合只用当前时刻去约束步长和方向，不涉及以前时刻极值。

和最速梯度下降法类似，只不过将梯度改成自己定义的下降方向

不会飞的小企鹅

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
打赏
0
评论
快速简单理解粒子群优化算法（Particle Swarm Optimization, PSO)

1.粒子的两个性质：位置、速度位置是什么：解空间中的点速度是什么：解空间点的运动性质，和物理中的速度类似，是一个矢量，包括大小和方向，也就是找到下一个迭代点时的方向和距离当粒子具有这两个性质的时候，转为数学语言为：当前解的大小已知，判断是否为极值，不是的话，按照一定的方向走一定的距离，寻找下一个迭代点，一直到迭代结束。2.粒子群中的两个极值：个体极值、群体极值个体极值是什么：单个粒子在运动过程中的极值的最优位置（个人力量的最大）。群体极值是什么：种群中所有粒子搜索到的最优位置（
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

不会飞的小企鹅 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。