最优化算法之粒子群算法（PSO）

一、粒子群算法的概念

粒子群优化算法(PSO：Particle swarm optimization) 是一种进化计算技术（evolutionary computation）。源于对鸟群捕食的行为研究。粒子群优化算法的基本思想：是通过群体中个体之间的协作和信息共享来寻找最优解．
  PSO的优势：在于简单容易实现并且没有许多参数的调节。目前已被广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法的应用领域。

二、粒子群算法分析

1、基本思想

粒子群算法通过设计一种无质量的粒子来模拟鸟群中的鸟，粒子仅具有两个属性：速度和位置，速度代表移动的快慢，位置代表移动的方向。每个粒子在搜索空间中单独的搜寻最优解，并将其记为当前个体极值，并将个体极值与整个粒子群里的其他粒子共享，找到最优的那个个体极值作为整个粒子群的当前全局最优解，粒子群中的所有粒子根据自己找到的当前个体极值和整个粒子群共享的当前全局最优解来调整自己的速度和位置。下面的动图很形象地展示了PSO算法的过程：
  
2，相关规则

3，代码实现和说明

一，说明：
1，参数理解：
种群中每个粒子的位置 pop(i) -----对应自变量x的每个取值；适应度----函数 f(x)的函数值
位置更新-----自变量取值改变
适应度更新—函数值改变
2，算法理解：迭代次数50*每代粒子数10==所搜索的100个x值，适应度即这100个x值对应的f(x)值—问题的100个解；再从100个中挑选最优解
3，程序流程：每一代中更改每个粒子的位置（x值），找出最大值，不断搜索。
二，代码：
链接：https://pan.baidu.com/s/1PDnIb1dqH1GY_zMmyWzsHw 密码：nrsv
本地