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
智能算法之粒子群算法
最新推荐文章于 2023-04-06 14:58:34 发布