智能算法之粒子群算法

一、解决最优化问题的方法
1.传统搜索方法：保证能找到最优解
2.启发式搜索：不能保证找到最优解
二、定义
粒子群优化算法（Particle Swarm Optimization，PSO）是自然计算的一个分支，是一种模拟自然界的生物活动的随机搜索算法。群体迭代，粒子在解空间追随最优的粒子进行搜索。
三、基本原理
基础：信息的社会共享

四、算法描述
1.鸟群：假设一个区域，所有的鸟都不知道食物的位置，但是它们知道当前位置离食物还有多远。
2.算法本质：每个解看作一只鸟，称为“粒子（Particle）”，所有的粒子都有一个适应值，每个粒子都有一个速度决定它们的飞翔方向和距离，粒子们追随当前最优粒子在解空间中搜索。
3.PSO算法：初始化为一群随机粒子，通过迭代找到最优。每次迭代中，粒子通过跟踪“个体极值（pbest）”和“全局极值（gbest）”来更新自己的速度和位置。
3.1 pbest：每一个个体在它移动或搜索过程中记录的最优的值。
3.2 gbest：整个群体