Python之粒子群优化算法

完整资料进入【数字空间】查看——搜索"writebug"

粒子群优化算法概念
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。

粒子群优化算法基本思想
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。

鸟被抽象为没有质量和体积的微粒(点)，并延伸到 N 维空间，粒子 i 在 N 维空间的位置表示为矢量 Xi＝(x1，x2，…，xN)，飞行速度表示为矢量 Vi＝(v1，v2，…，vN)。每个粒子都有一个由目标函数决定的适应值(fitness value)，并且知道自己到目前为止发现的最好位置(pbest)和现在的位置 Xi。这个可以看作是粒子自己的飞行经验。除此之外，每个粒子还知道到目前为止整个群体中所有粒子发现的最好位置(gbest)(gbest 是 pbest 中的最好值)，这个可以看作是粒子同伴的经验。粒子就是通过自己的经验和同伴中最好的经验来决定下一步的运动。