粒子群优化算法

1. 算法简介
   粒子群算法，也称粒子群优化算法或鸟群觅食算法(Particle Swarm Optimization),缩写为PSO,是近年来由J.Kennedy和R.C.Eberhart等开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。

2. 算法流程
   （1）初始化所有个体（粒子），初始化他们的速度和位置，并且将个体的历史最优解pBest设为当前位置，二群体中最优的个体作为当前的pBest
   （2）在每一代进化中，计算各个粒子的适应度函数值
   （3）如果该粒子当前的适应度函数值比其历史最优值要好，那么历史最优会被当前位置所替代
   （4）如果该粒子的历史最优比全局最优要好，那么全局最优则会被历史最优所替代。
   （5）对每个粒子i的第d维的速度和位置进行更新，更新公式如下：
   
   其中参数w称为是PSO的惯性权重，它的取值介于[0,1]区间，一般应用中均采取自适应的取值方法，参数c和c2称为是加速因子；而r1和r2为介于[0,1]之间的随机概率值
   （6）如果还没有达到结束条件，转到（2），否则输出gBest并结束

PSO流程图：