Question

粒子群算法原理

Answer 1

粒子群算法原理如下：

粒子群优化（Particle Swarm Optimization,PSO)算法是1995年由美国学者Kennedy等人提出的，该算法是模拟鸟类觅食等群体智能行为的智能优化算法。在自然界中，鸟群在觅食的时候，一般存在个体和群体协同的行为。

有时鸟群分散觅食，有时鸟群也全体觅食。在每次觅食的过程中，都会存在一些搜索能力强的鸟，这些搜索能力强的鸟，会给其他鸟传递信息，带领其他鸟到食物源位置。

在粒子群优化算法中，目标空间中的每个解都可以用一只鸟（粒子）表示，问题中的需求解就是鸟群所要寻找的食物源。在寻找最优解的过程中，每个粒子都存在个体行为和群体行为。每个粒子都会学习同伴的飞行经验和借鉴自己的飞行经验去寻找最优解。

每个粒子都会向两个值学习，一个值是个体的历史最优值 ;另一个值是群体的历史最优值（全局最优值） 。粒子会根据这两个值来调整自身的速度和位置，而每个位置的优劣都是根据适应度值来确定的。适应度函数是优化的目标函数。