第七章 粒子群优化.pptVIP

1 第七章 粒子群优化 2 第七章 粒子群优化 一.导言 二.基本PSO 三.标准PSO 四.PSO的改进与变形 五.学习PSO的几点体会 3 PSO的产生 Particle Swarm Optimization(PSO)，粒子群优化或者微粒群优化 PSO算法由美国学者Kennedy 和Eberhart于 1995年正式提出 Particle swarm optimization. IEEE International Conference on Neural Networks, 1995. A new optimizer using particle swarm theory. The 6th International Symposium on Micro-machine and Human Science, 1995. 一.导言 4 PSO的产生 五年后，在国际上逐步被接受，并有大批不同领域的学者投入该算法相关研究，目前已经成为智能优化领域研究的热门 2003年，《控制与决策》第二期刊登国内第一篇PSO论文——综述文章 一.导言 5 PSO的基本思想 对社会行为的模拟 对鸟群行为的模拟：Reynolds和Heppner，Grenander在1987年和1990年发表的论文中都关注了鸟群群体行动中蕴涵的美学。他们发现，由数目庞大的个体组成的鸟群飞行中可以改变方向，散开，或者队形的重组等等，那么一定有某种潜在的能力或者规则保证了这些同步的行为。这些科学家都认为上述行为是基于不可预知的鸟类社会行为中的群体动态学。在这些早期的模型中他们把重点都放在了个体间距的处理，也就是让鸟群中的个体之间保持最优的距离。 一.导言 6 PSO的基本思想 对社会行为的模拟 对鱼群行为的研究：1975年，生物社会学家Wilson在论文中阐述了对鱼群的研究。他在论文中提出：“至少在理论上，鱼群的个体成员能够受益于群体中其他个体在寻找食物的过程中发现的和以前的经验，这种受益是明显的，它超过了个体之间的竞争所带来的利益消耗，不管任何时候食物资源不可预知的分散于四处。”这说明，同种生物之间信息的社会共享能够带来好处。 一.导言 7 PSO的基本思想 对社会行为的模拟 对鱼群行为的研究：1975年，生物社会学家Wilson在论文中阐述了对鱼群的研究。他在论文中提出：“至少在理论上，鱼群的个体成员能够受益于群体中其他个体在寻找食物的过程中发现的和以前的经验，这种受益是明显的，它超过了个体之间的竞争所带来的利益消耗，不管任何时候食物资源不可预知的分散于四处。”这说明，同种生物之间信息的社会共享能够带来好处。 一.导言 这是PSO的基础 8 PSO的基本思想 对社会行为的模拟 对人类的社会行为的模拟： a. 与前者不同，最大区别在于抽象性！ b. 鸟类和鱼类是调节他们的物理运动，来避免天敌， 寻找食物，优化环境的参数，比如温度等。人类调节 的不仅是物理运动，还包括认知和经验。我们更多的 是调节自己的信仰和态度，来和社会中的杰出人物或 者专家，或者在某件事情上获得最优解的人保持一致。 一.导言 9 PSO的基本思想 对社会行为的模拟 对人类的社会行为的模拟： c. 这种不同导致了计算机仿真上的差别，至少有一个 明显的因素：碰撞（collision）。 d. 两个个体即使不被绑在一块，也具有相同的态度和 信仰，但是两只鸟是绝对不可能不碰撞而在空间中占 据相同的位置。这是因为动物只能在三维的物理空间 中运动，而人类还在抽象的多维心理空间运动，这里 是碰撞自由的（collision-free）。 一.导言 10 PSO的基本思想 PSO在多维解空间的搜索可以理解为对人类多维心理空间的模仿，个体在搜索时考虑自己的历史最好点，这是个体经验的积累，同时考虑到群体内其他个体的历史最好点，这是社会信息的共享作用和个体本身具有学习能力的表现。 一.导言 11 名称的由来：Swarm和Particle Swarm：在美国传统字典中有三个意思 一大群尤指正在行进中的一大群昆虫或其它细小生物 蜂群由蜂王带领迁移到别处建立一新据点的一群蜜蜂 一大群尤指处于骚乱中或成群出动的一大批喧闹的人或动物 一.导言 12 名称的由来：Swarm和Particle 作者引用此词是借用了Millonas在1994年的论文中的人工生命的一个应用模型中的提法 Millonas明确提出群体智能（swarm intelligence）的五点原则——在算法的研究中当深思 the proximity principle：群体能够执行简单的时间和空间的计算 the quality principle：群体能够响应环境的特征要素 一.导言 13 名称的由来：Swarm和Particle Millonas明确提出群体