PSO-粒子群算法（1）--分析

ypk138

已于 2022-03-22 20:38:19 修改

阅读量769

点赞数 1

分类专栏：群智能算法文章标签：算法

于 2022-01-02 17:11:59 首次发布

本文链接：https://blog.csdn.net/ypk138/article/details/122277508

版权

1 篇文章 0 订阅

订阅专栏

算法详情及建模过程
粒子群算法：首先在给定的空间中随机初始化粒子群，包括粒子的个数和每个粒子的维数，待优化问题的变量数决定了粒子的维数。每个粒子都有初始位置与初始速度，设置好一系列参数后进行迭代寻优。每一次迭代中，每个粒子通过跟踪两个极值来更新自己的解空间中的位置和速度，一个是单个粒子本身在迭代中找到的最优粒子（个体极值），一个是所有粒子在迭代过程中的最优解粒子（全局极值）。(每个粒子都有一串数值，先求得个体的最优值，然后从所有个体最优值中得到群体最优值）
算法特点
（1）高效并行特点
（2）得到问题最优解和若干次优解，输出更多方案
（3）动态跟踪当前情况
算法流程

开始
初始化每个粒子的位置和速度
计算每个粒子的适应度值
计算每个粒子的个体最优值
计算整个群体的全局最优值
对粒子的速度、位置进行进化
如果满足约束条件，则输出结果，否则回到计算适应度值的步骤
结束