是一种智能算法
一些常见的智能算法
PSO的基础:信息的社会共享
可以类比鸟寻找食物
这三部分构成王什么方向,什么速度移动。
算法流程:
流程图
群体大小m如果过小,容易陷入局部最优解
c0的大小决定了对粒子当前速度继承的多少,称为惯性因子;
c1决定了自身经验对粒子速度的影响程度,它保证了粒子能够向自己的历史最优位置靠近,称为学习因子;
c2决定了群体经验对粒子个体速度的影响程度,它保证了粒子能够向群体中的其他粒子学习,使粒子在飞行时向邻域内所有粒子曾找到过的历史最优位置靠近,也称为学习因子.
全局粒子群算法
1. 粒子自己历史最优值
2. 粒子群体的全局最优值
局部粒子群算法
1. 粒子自己历史最优值
2. 粒子邻域内粒子的最优值
邻域随迭代次数的增加线性变大,最后邻域扩展到整个粒子群。
经过实践证明:全局版本的粒子群算法收敛速度快,但是容易陷入局部最优。局部版本的粒子群算法收敛速度慢,但是很难陷入局部最优。现在的粒子群算法大都在收敛速度与摆脱局部最优这两个方面下功夫。其实这两个方面是矛盾的。看如何更好的折中了。
停止准则一般有如下两种:
最大迭代步数 可接受的满意解
实战部分在: F:\数学建模\数模建模进阶培训学习视频19讲\第十四讲 数模智能算法之粒子群优化算法
感觉这个算法有点捞,溜之