粒子群算法原理与实现（python）

粒子群算法思想

粒子群算法是一种模仿鸟类捕食行为的仿生优化算法。那啥是仿生优化算法呢？其实咱也不太知道。
假设有一群鸟在森林中捕食，若其中一只鸟发现了食物，则它会通知其他的鸟类这个地方有食物。从而其他的鸟也就有了更大的概率找到食物。

算法原理

在解空间$R^n$中随机生成$k$个粒子，这些粒子的位置为$n$维的向量，则第$i$个粒子的位置表示为：
$$x_i=(x_{i1},x_{i2},...,x_{in})$$
粒子的速度初始化为$n$为向量，则第$i$个粒子的速度表示为：
$$v_i=(v_{i1},v_{i2},...,v_{in})$$每个维度的速度的取值为$-v_{max}$至$v_{max}$之间的随机数。
粒子的适应度函数为$f(x)$,个体最优位置为$p_i$,全局最优位置为$g$.
粒子的速度与位置更新公式为：
$$v_{t+1}=v_t+random(0,1)\ast c_1\ast (p_i-x_i)+random(0,1)\ast c_2\ast (g-x_i)$$
$$x_{t+1}=x_t+v_{t+1}$$

---

算法的具体步骤为：

1. 初始化粒子的速度与位置。
2. 计算粒子适应度值$f(x)$
3. 根据适应度计算个体最优位置$p_i$与全局最有位置$g$.
4. 更新粒子的速度与位置，返回步骤2.

算法实现