没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
粒子群算法(1)----粒子群算法简介
二、粒子群算法的具体表述
上面罗嗦了半天,那些都是科研工作者写论文的语气,不过,PSO 的历史就像上面说的那样。下面通俗的解释
PSO 算法。
PSO 算法就是模拟一群鸟寻找食物的过程,每个鸟就是 PSO 中的粒子,也就是我们需要求解问题的可能解,这
些鸟在寻找食物的过程中,不停改变自己在空中飞行的位置与速度。大家也可以观察一下,鸟群在寻找食物的过程中,
开始鸟群比较分散,逐渐这些鸟就会聚成一群,这个群忽高忽低、忽左忽右,直到最后找到食物。这个过程我们转化
为一个数学问题。寻找函数 y=1-cos(3*x)*exp(-x)的在[0,4]最大值。该函数的图形如下:
当 x=0.9350-0.9450,达到最大值 y=1.3706。为了得到该函数的最大值,我们在[0,4]之间随机的洒一些点,为
了演示,我们放置两个点,并且计算这两个点的函数值,同时给这两个点设置在[0,4]之间的一个速度。下面这些点
就会按照一定的公式更改自己的位置,到达新位置后,再计算这两个点的值,然后再按照一定的公式更新自己的位置。
直到最后在 y=1.3706 这个点停止自己的更新。这个过程与粒子群算法作为对照如下:
这两个点就是粒子群算法中的粒子。
该函数的最大值就是鸟群中的食物
计算两个点函数值就是粒子群算法中的适应值,计算用的函数就是粒子群算法中的适应度函数。
更新自己位置的一定公式就是粒子群算法中的位置速度更新公式。
下面演示一下这个算法运行一次的大概过程:
第一次初始化
第一次更新位置
第二次更新位置
第 21 次更新
最后的结果(30 次迭代)
最后所有的点都集中在最大值的地方。
粒子群算法(2)----标准的粒子群算法
在上一节的叙述中,唯一没有给大家介绍的就是函数的这些随机的点(粒子)是如何运动的,只是说按照一定的公式
更新。这个公式就是粒子群算法中的位置速度更新公式。下面就介绍这个公式是什么。在上一节中我们求取函数 y=1-
cos(3*x)*exp(-x)的在[0,4]最大值。并在[0,4]之间放置了两个随机的点,这些点的坐标假设为 x1=1.5; x2=2.5;这里
的点是一个标量,但是我们经常遇到的问题可能是更一般的情况--x 为一个矢量的情况,比如二维的情况
z=2*x1+3*x2
2
的情况。这个时候我们的每个粒子为二维,记粒子 P1=
(x11,x12),P2=(x21,x22),P3=(x31,x32),......Pn=(xn1,xn2)。这里 n 为粒子群群体的规模,也就是这个群中粒子的个数,
每个粒子的维数为 2。更一般的是粒子的维数为 q,这样在这个种群中有 n 个粒子,每个粒子为 q 维。
由 n 个粒子组成的群体对 Q 维(就是每个粒子的维数)空间进行搜索。每个粒子表示为:x
i
=
(x
i1
,x
i2
,x
i3
,...,x
iQ
),每个粒子对应的速度可以表示为 v
i
=(v
i1
,v
i2
,v
i3
,....,v
iQ
),每个粒子在搜索时要考虑两个因素:
1。自己搜索到的历史最优值 p
i
,
p
i
=(p
i1
,p
i2
,....,p
iQ
),i=1,2,3,....,n。
2。全部粒子搜索到的最优值 p
g
,
p
g
=(p
g1
,p
g2
,....,p
gQ
),注意这里的 p
g
只有一个。
下面给出粒子群算法的位置速度更新公式:
这里有几个重要的参数需要大家记忆,因为在以后的讲解中将会经常用到:
它们是:
是保持原来速度的系数,所以叫做惯性权重。
是粒子跟踪自己历史最优值的权重系数,它表示粒子自身的认识,所以叫“认知”。通常设置为 2。
是粒子跟踪群体最优值的权重系数,它表示粒子对整个群体知识的认识,所以叫做“社会知识”,经常叫做“社会”。
通常设置为 2。
是[0,1]区间内均匀分布的随机数。
是对位置更新的时候,在速度前面加的一个系数,这个系数我们叫做约束因子。通常设置为 1。
这样一个标准的粒子群算法就结束了。
下面对整个基本的粒子群的过程给一个简单的图形表示:
剩余18页未读,继续阅读
资源评论
sinat_29160581
- 粉丝: 0
- 资源: 1
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功