粒子群_Matlab程序代码.docVIP

粒子群优化算法(panicle swarm optimization，PSO)是kennedy和Eberhart在研究鸟类和鱼类的群体行为基础上于1995年提出的一种群智能算法，其思想米源予人工生命和演化计算理论，模仿鸟群飞行觅食行为，通过鸟集体协作使群体达到最优。 1.粒子群算法的原理 PSO中，每个优化问题的解看作搜索空间中的一只鸟(即粒子)，所有的粒子都有一个被优化的函数决定的适应值，并且有一个速度决定它们飞翔的方向和速率，粒子们追随当前的最优粒子在解空间中搜索。算法首先初始化一群随机粒子，然后通过迭代找到最优解。在每一次迭代中，粒子通过跟踪两个“极值”即个体极值和全局极值来更新自己的速度与位置。在D维目标搜索空间中，由种群数为m的粒子组成粒子群，其中第f个粒子在第d维的位置为Xid，其飞行速度为Vid，该粒子当前搜索到的最优位置为Pid(goodvalue)和整个粒子群当前的最优位置Pgd(bestvalue)。 每维的速度与位置更新公式如下 W为惯性权重，C1和C2为学习因子，rand（）——[0,1]范围内变化的随机数。 2.参数介绍与设置 （1）w w是保持粒子运动惯性的参数，能使种群扩展搜索空间，获得较好的求解效果。较大的w有利于群体在更大的范围内进行搜索。而较小的w能够保证群体收敛到最优位置，所以w的选择及在迭代中的变化对搜索能力和跳出局优能力具有重要影响。一般将