概述
1 粒子群优化算法,是
(Particle Swarm Optimization PSO)一种进化计算技术是基于个体间的协作与竞争来完成复杂,空间中最优解的搜索。中的粒子在解空间追随最优的粒PSO 子进行搜索,而不是像遗传算法那样通过交叉、变异等复杂操作,因此具有参数少、简单易实现等优点。非常适合PSO 于求解连续函数的优化问题,主要应用于神经网络训练,多目标优化等应用领域。的提出至今不到年,但已经得PSO 10到了广泛关注。
综观大量的文献,先前对于的改进研究,在算法实PSO 现上基本都集中在同步处理上。这样,粒子在很大程度上失去了独立性,以至于最优粒子的信息不能及时共享。而本文提出的粒子群优化算法异步模式则克服了这些不足。这种异步模式在算法的程序实现上可以采用多线程或是多进PSO 程技术,把每个粒子的行为看成为一个独立的线程或进程,运行中的粒子充分表现出独立性,而在种群层次上表现为异步性。这将为研究算法提供一种新思路。
PSO 算法介绍
2 PSO 算法由和于年提出的PSO Eberhart Kennedy 1995[1,2],它的基本概念源于对人工生命和鸟群捕食行为的研究。设想这样一个场景:一群鸟在随机搜寻食物,在这个区域里只有一块食物,所有的鸟都不知道食物在哪里,但是它们知道当前的位置离食物还有多远。那么找到食物的最优策略是什么呢?最简单有效的就是搜寻目前离食物最近的鸟的周围区域。
算法就从这种生物种群行为特性中得到启发并用于PSO 求解优化问题。在中,每个优化问题的潜在解都可以想PSO 像成维搜索空间上的一个点,称之为“粒子”,所有的粒d 子都有一个被目标函数决定的适应值。搜索正是在这样一群