原始粒子群算法基本原理.docVIP

原始粒子群算法的基本原理 摘要：随着决策环境的复杂化，群体决策变得越来越重要，在此基础上研究粒子群优化算法，详细介绍其基本原理并进行分析显得十分重要。 关键词：粒子群优化算法 种群大小 最大速度 1.1优化算法的分类 随着现代科学技术的飞速发展，目前解决优化问题的方法主要分为两大类：一是模拟自然进化过程而发展起来的进化算法，目前研究的进化算法主要有三种典型的类别：遗传算法，进化规划和进化策略，这三种算法是彼此独立发展起来的；二是基于群智能的智能优化算法，目前主要有粒子群算法和蚁群算法两大类。 1.2粒子群算法的基本模型 粒子群优化算法是兼有进化计算和群智能特点的一种优化算法，起初只是设想模拟鸟类捕食的过程，但后来发现粒子群算法是一种很好的优化工具。与其他的进化算法相类似，pso进化算法也是通过个体间的协作与竞争来实现最优解的搜索。 pso算法为每个粒子制定了类似于鸟类运动的简单的行为规则，从而使粒子群的运动表现出与鸟类觅食相类似的特性，进而用于求解复杂的优化问题。 pso算法中的每一个粒子，即解空间中的一个解，它根据自己的飞行经验和同伴的飞行经验来调整自己的飞行，所有的粒子都有一个被优化的函数决定的适应值，适应值用来评价粒子当前位置的好坏；每个粒子还有一个速度决定他们的飞行方向和距离，然后粒子们就追寻当前的最优粒子在解空间中进行搜寻。每个粒子在飞行过程中所经历过的最好位置