一. 粒子群算法和真正模型的区别:
粒子群优化算法是根据飞鸟觅食的模型设计的算法,模型和真正的飞鸟觅食的过程有一些不同之处。
1. 离散和连续的不同:飞鸟飞行的过程中是进行连续的飞行,路途中的所有“线”组成了可觅食的位置;模型中的粒子的运动是离散的,是由“点”所组成的可觅食位置。如果在模型中的粒子速度过大,可能“飞过”目标的位置,速度太小可能导致收敛速度过慢,所以说设置合适的速度是粒子群算法的关键所在。
2. 可验证和不可验证的不同:飞鸟觅食的过程中能够确定地知道是否找到了真值,但是在粒子群优化算法中存在两种情况:
① 可验证:在求解单调函数的零值的过程中,求得的解x可以代入f(x)进行验证是否有f(x) = 0;
② 不可验证:在求解函数最小值的时候,由于是在解空间里搜索,没有一种验证是否是最小值得方法,只能找到粒子飞行“离散点集”的极小值。
③ 根据具体问题的改进:可验证问题如果收敛的值不对可以重新使其发散寻找,并设置下一次的随机结构产生一个该极小点的排斥分量;不可验证问题只能设置相对较小的运动惯性分量使速度不至于过大,保证收敛一次收敛至最小值,或多次运行程序。