9/27/2022
1
粒子群算法
9/27/2022
2
粒子群算法的研究背景
粒子群算法(Particle Swarm Optimization,简称PSO),是一种基
于群体智能的进化计算方法。PSO由Kennedy和Eberhart博士于
1995年提出。
PSO一经提出,由于算法简单,容易实现,立刻引起了进化
计算领域学者们的广泛关注,形成一个研究热点,目前已广
泛应用于函数优化、神经网络训练、模式分类、模糊控制等
领域,取得了较好的效果。
目前PSO算法已被“国际进化计算会议”(IEEE International
Conferences on Evolutionary Computation, CEC)列为一个讨论的
专题。
9/27/2022
3
PSO的基本概念源于对鸟群捕食行为的研究:
一群鸟在随机搜寻食物,在这个区域里只有一块食物,所有鸟
都不知道食物在哪里。但是他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。
粒子群算法的基本原理
9/27/2022
4
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,把一个优化问题看作是在空中觅食的鸟群,那么“食
物”就是优化问题的最优解,而在空中飞行的每一只觅食的“鸟”
就是PSO算法中在解空间中进行搜索的一个“粒子”(Particle)。
“群”(Swarm)的概念来自于人工生命,满足人工生命的五个基本
原则。因此PSO算法也可看作是对简化了的社会模型的模拟,这
其中最重要的是社会群体中的信息共享机制,这是推动算法的
主要机制。
9/27/2022
5
粒子在搜索空间中以一定的速度飞行,这个速度根据它本身的
飞行经验和同伴的飞行经验来动态调整。所有的粒子都有一个
被目标函数决定的适应值(fitness value),这个适应值用于评价
粒子的“好坏”程度。
每个粒子知道自己到目前为止发现的最好位置(particle best,
记为pbest)和当前的位置,pbest就是粒子本身找到的最优解,
这个可以看作是粒子自己的飞行经验。
除此之外,每个粒子还知道到目前为止整个群体中所有粒子发
现的最好位置(global best,记为gbest),gbest是在pbest中的最
好值,即是全局最优解,这个可以看作是整个群体的经验。