粒子群优化算法思考

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。