微粒群算法的发展及应用.pdfVIP

微粒群算法 的发展及应用 文章编号 ：1003—5850(2008)1I-0028～04 微粒群算法的发展及应用 DevelopmentandApplicationofParticleSwarm OptimizationAlgorithm 李晓梅 何 佳 (怀化学院计算机科学与技术系 怀化 418008) 【摘 要】介绍 了1995年以来微粒群算法的开发过程 ，分析 了算法原理、算法流程 ，并将微粒群算法与其他演 化算法进行 了比较 ，最后介绍 了一些已经开发和在将来有希望的领域中的应用。 【关键词】微粒群算法，演化计算，人工生命 中图分类号：TP301 文献标识码 ：A ABSTRACT Introducesdevelopmentsin theparticle swarm optimization since1995．Itanalyzestheprincipleand methodsof PSO．The comparisonsbetween PSO and others evolutionary algorithms are introduced．Finally，applications，both in the developedareasandtilepromisingfutureapplicationareas，arereviewed． KEYW ORDS particleswarm optimizationalgorithm ，evolutionaryalgorithm ，artificiallife 群智能算法作为一种新兴的演化计算技术，已成 不可预测的运动。人们通过对动物社会行为的观察 ，发 为越来越多研究者的关注焦点，它与人工生命，特别是 现在群体中对信息的社会共享有利于在演化 中获得优 进化策略以及遗传算法有着极为特殊的联系。群智能 势，并 以此作为开发PSO算法的基础 。通过加入近邻 理论研究领域主要有两种算法：蚁群算法和微粒群优 的速度匹配，消除不必要的变量，并考虑多维搜索以及 化算法。蚁群算法是对蚂蚁群落食物采集过程的模拟， 根据距离的加速 ，形成了PSO 的最初版本。之后 ，Shi 已成功应用于许多离散优化问题 。微粒群优化算法也 等引入惯性权重 w来更好地控制开发(exploitation) 是起源于对简单社会系统的模拟 ，最初是模拟鸟群觅 和探索(exploration)，形成了当前的标准版本。 食的过程 ，但后来发现它是一种很好的优化工具。 PS0 同遗传算法类似，是一种基于叠代的优化工 具。系统初始化为一组随机解 ，通过叠代搜寻最优值。 1 PSO 的开发过程 但是并没有遗传算法用的交叉 (crossover)以及变异 微粒群算法 (ParticleSwarmOptimization，PSO) (nmtation)，而是微粒在解空间追随最优的微粒进行 是一种进化计算技术 (evolutionarycomputation)，由 搜索 。同遗传算法 比较，PSO 的优势在于简单容易实 Kennedy博士和 Eberhart博士等口 于 1995年开发， 现并且没有许多参数需要调整。目前 已广泛应用于函 源于对鸟群捕食的行为研究。其 中“群 (swarm)”来源 数优化 ，神经网络训练 ，模糊系统控制以及其他遗传算 于微 粒群符合 Millonas在开 发应用 于人工生命 法的应用领域 。 (artificiallife)的模型时所提出的群体智能的五个基 2 PSO的算法介绍 本原则 。而 “微粒 (particle)”则是一个折衷的选择 ，因 为既需要将群体 中的成员描述为没有质量、没有体积 如前所述 ，PSO模拟鸟群的捕食行为 。设想这样 的，同时也需要描