标准的粒子群算法
在上一节的叙述中,唯一没有给大家介绍的就是函数的这些随机的点(粒子)是如何运动的,只是说按照一定的公式更新。这个公式就是粒子群算法中的位置速度更新公式。下面就介绍这个公式是什么。在上一节中我们求取函数y=1-cos(3*x)*exp(-x)的在[0,4]最大值。并在[0,4]之间放置了两个随机的点,这些点的坐标假设为x1=1.5; x2=2.5;这里的点是一个标量,但是我们经常遇到的问题可能是更一般的情况--x为一个矢量的情况,比如二维的情况 z=2*x1+3*x22的情况。这个时候我们的每个粒子为二维,记粒子P1=(x11,x12),P2=(x21,x22),P3=(x31,x32),……Pn=(xn1,xn2)。这里n为粒子群群体的规模,也就是这个群中粒子的个数,每个粒子的维数为2。更一般的是粒子的维数为q,这样在这个种群中有n个粒子,每个粒子为q 维。
由n个粒子组成的群体对Q维(就是每个粒子的维数)空间进行搜索。每个粒子表示为:xi=(xi1,xi2,xi3,…,xiQ),每个粒子对应的速度可以表示为vi=(vi1,vi2,vi3,….,viQ),每个粒子在搜索时要考虑两个因素:
1。自己搜索到的历史最优值 pi ,pi=(pi1,pi2,….,piQ),i=1,2,3,….,n。
2。全部粒子搜索到的最优值pg,pg=(pg1,pg2,….,pgQ),注意这里的pg只有一个。
下面给出粒子群算法的位置速度更新公式:
这里有几个重要的参数需要大家记忆,因为在以后的讲解中将会经常用到:
它们是:
是保持原来速度的系数,所以叫做惯性权重。
是粒子跟踪自己历史最优值的权重系数,它表示粒子自身的认识,所以叫“认知”。通常设置为2。
是粒子跟踪群体最优值的权重系数,它表示粒子对整个群体知识的认识,所以叫做“社会知识”,经常叫做“社会”。通常设置为2。
是[0,1]区间内均匀分布的随机数。
是对位置更新的时候,在速度前面加的一个系数,这个系数我们叫做约束因子。通常设置为1。
这样一个标准的粒子群算法就结束了。
下面对整个基本的粒子群的过程给一个简单的图形表示:
判断终止条件可是设置适应值到达一定的数值或者循环一定的次数。
注意:这里的粒子是同时跟踪自己的历史最优值与全局(群体)最优值来改变自己的位置预速度的,所以又叫做全局版本的标准粒子群优化算法。
注:本文为转载文章,欢迎交流。
原文出处:http://blog.csdn.net/niuyongjie/article/details/1569671