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