粒子群算法----粒子群算法簡介

1、粒子群算法粒子群算法(1)粒子群算法簡介粒子群算法簡介一、粒子群算法的歷史粒子群算法源于復(fù)雜適應(yīng)系統(tǒng)（ComplexAdaptiveSystemCAS）。CAS理論于1994年正式提出，CAS中的成員稱為主體。比如研究鳥群系統(tǒng)，每個鳥在這個系統(tǒng)中就稱為主體。主體有適應(yīng)性，它能夠與環(huán)境及其他的主體進(jìn)行交流，并且根據(jù)交流的過程“學(xué)習(xí)”或“積累經(jīng)驗”改變自身結(jié)構(gòu)與行為。整個系統(tǒng)的演變或進(jìn)化包括：新層次的產(chǎn)生（小鳥的出生）；分化和多樣性的出現(xiàn)（

2、鳥群中的鳥分成許多小的群）；新的主題的出現(xiàn)（鳥尋找食物過程中，不斷發(fā)現(xiàn)新的食物）。所以CAS系統(tǒng)中的主體具有4個基本特點（這些特點是粒子群算法發(fā)展變化的依據(jù)）：首先，主體是主動的、活動的。主體與環(huán)境及其他主體是相互影響、相互作用的，這種影響是系統(tǒng)發(fā)展變化的主要動力。環(huán)境的影響是宏觀的，主體之間的影響是微觀的，宏觀與微觀要有機結(jié)合。最后，整個系統(tǒng)可能還要受一些隨機因素的影響。粒子群算法就是對一個CAS系統(tǒng)－－－鳥群社會系統(tǒng)的研究得出的。粒

3、子群算法（ParticleSwarmOptimizationPSO）最早是由Eberhart和Kennedy于1995年提出，它的基本概念源于對鳥群覓食行為的研究。設(shè)想這樣一個場景:一群鳥在隨機搜尋食物，在這個區(qū)域里只有一塊食物，所有的鳥都不知道食物在哪里，但是它們知道當(dāng)前的位置離食物還有多遠(yuǎn)。那么找到食物的最優(yōu)策略是什么呢最簡單有效的就是搜尋目前離食物最近的鳥的周圍區(qū)域。PSO算法就從這種生物種群行為特性中得到啟發(fā)并用于求解優(yōu)化問題。

4、在PSO中，每個優(yōu)化問題的潛在解都可以想象成d維搜索空間上的一個點，我們稱之為“粒子”（Particle），所有的粒子都有一個被目標(biāo)函數(shù)決定的適應(yīng)值(FitnessValue)，每個粒子還有一個速度決定他們飛翔的方向和距離，然后粒子們就追隨當(dāng)前的最優(yōu)粒子在解空間中搜索。Reynolds對鳥群飛行的研究發(fā)現(xiàn)。鳥僅僅是追蹤它有限數(shù)量的鄰居但最終的整體結(jié)果是整個鳥群好像在一個中心的控制之下.即復(fù)雜的全局行為是由簡單規(guī)則的相互作用引起的。二、粒

5、子群算法的具體表述上面羅嗦了半天，那些都是科研工作者寫論文的語氣，不過，PSO的歷史就像上面說的那樣。下面通俗的解釋PSO算法。PSO算法就是模擬一群鳥尋找食物的過程，每個鳥就是PSO中的粒子，也就是我們需要求解問題的可能解，這些鳥在尋找食物的過程中，不停改變自己在空中飛行的位置與速度。大家也可以觀察一下，鳥群在尋找食物的過程中，開始鳥群比較分散，逐漸這些鳥就會聚成一群，這個群忽高忽低、忽左忽右，直到最后找到食物。這個過程我們轉(zhuǎn)化為一個