word 格式-可编辑-感谢下载支持
粒子群算法(1)----粒子群算法简介
粒子群算法源于复杂适应系统(Complex Adaptive System,CAS)。CAS 理论于 1994 年正式提出,
CAS 中的成员称为主体。比如研究鸟群系统,每个鸟在这个系统中就称为主体。主体有适应性,它能够
与环境及其他的主体进行交流,并且根据交流的过程“学习”或“积累经验”改变自身结构与行为。整个系统
的演变或进化包括:新层次的产生(小鸟的出生);分化和多样性的出现(鸟群中的鸟分成许多小的群);
新的主题的出现(鸟寻找食物过程中,不断发现新的食物)。
所以 CAS 系统中的主体具有 4 个基本特点(这些特点是粒子群算法发展变化的依据):
首先,主体是主动的、活动的。
主体与环境及其他主体是相互影响、相互作用的,这种影响是系统发展变化的主要动力。
环境的影响是宏观的,主体之间的影响是微观的,宏观与微观要有机结合。
最后,整个系统可能还要受一些随机因素的影响。
粒子群算法就是对一个 CAS 系统---鸟群社会系统的研究得出的。
粒子群算法( Particle Swarm Optimization, PSO)最早是由 Eberhart 和 Kennedy 于 1995 年提出,
它的基本概念源于对鸟群觅食行为的研究。设想这样一个场景:一群鸟在随机搜寻食物,在这个区域里只
有一块食物,所有的鸟都不知道食物在哪里,但是它们知道当前的位置离食物还有多远。那么找到食物
的最优策略是什么呢?最简单有效的就是搜寻目前离食物最近的鸟的周围区域。
PSO 算法就从这种生物种群行为特性中得到启发并用于求解优化问题。在 PSO 中,每个优化问题
的潜在解都可以想象成 d 维搜索空间上的一个点,我们称之为“粒子”(Particle),所有的粒子都有一个
被目标函数决定的适应值(Fitness Value ),每个粒子还有一个速度决定他们飞翔的方向和距离,然后粒
子们就追随当前的最优粒子在解空间中搜索。Reynolds 对鸟群飞行的研究发现。鸟仅仅是追踪它有限数
量的邻居但最终的整体结果是整个鸟群好像在一个中心的控制之下.即复杂的全局行为是由简单规则的
相互作用引起的。
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: