实验三 粒子群优化算法
【实验目的】
粒子群优化（PSO）算法是一种群体智能算法，由 Kennedy 和
Eberhart 于 1995 年用核算机模仿鸟群寻食这一简略的社会行动
时，遭到启示，简化之后而提出的。本实验通过解决旅行商问题，
帮助学生更好的熟悉和掌握粒子群优化算法。
【实验内容】
利用粒子群优化算法解决旅行商问题
旅行商问题即 TSP 问题（Traveling Salesman Problem）又译为旅行
推销员问题、货郎担问题，是数学领域中著名问题之一。假设有一个
旅行商人要拜访 n 个城市，每两座城市之间的距离是不同的，他必须
选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后
要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有
路径之中的最小值。
【实验原理】
一、基本思想
粒子群算法通过设计一种无质量的粒子来模拟鸟群中的鸟，粒子
仅具有两个属性：速度和位置，速度代表移动的快慢，位置代表移
动的方向。每个粒子在搜索空间中单独的搜寻最优解，并将其记为
当前个体极值，并将个体极值与整个粒子群里的其他粒子共享，找
到最优的那个个体极值作为整个粒子群的当前全局最优解，粒子群
中的所有粒子根据自己找到的当前个体极值和整个粒子群共享的当
