-
算法背景
粒子群算法,也称粒子群优化算法或鸟群觅食算法(Particle Swarm Optimization),缩写为 PSO。粒子群优化算法是一种进化计算技术(evolutionary computation),1995 年由Eberhart 博士和 kennedy 博士提出,源于对鸟群捕食的行为研究 。该算法最初是受到飞鸟集群活动的规律性启发,进而利用群体智能建立的一个简化模型。粒子群算法在对动物集群活动行为观察基础上,利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的演化过程,从而获得最优解。
基本原理
假设在一个D维的目标搜索空间中,有N 个粒子组成一个群落,其中第i 个粒子表示为一个D维的向量(位置):
第i 个粒子自己的“飞行”速度也是一个D维的向量,记为:
在第t 代的第i 个粒子向第t+1 代进化时,根据如下式子更新:
【注】第t 代到第t+1 代迭代,既要有个体自己的速度又要往全局处靠拢, 表示此次飞行中的距离和大小,有三项表示, 表示自己的惯性速度; 表示去他迭代这么多次个体极值飞的大小和方向; 表示去它第t 代全局最优飞的的大小和方向。 表示0-1的随机数,
标签:粒子,PSO,Particle,位置,iter,Swarm,适应度,limit,最优 From: https://blog.csdn.net/ZW__wd/article/details/142419975