粒子群优化算法的发展与展望_李宁.pdfVIP

第 27卷 　第 2期 　　　　　　　武汉理工大学学报 ·信息与管理工程版 　　　　　　　　　Vol. 27 No. 2 2005年 4 月 　　　　　JOURNAL OF WU T ( IN FORMA T ION MANA GEM EN T EN G IN EER IN G) 　　　　　 　Ap r. 2005 文章编号 : 1007 - 144X (2005) 02 - 0026 - 04 粒子群优化算法的发展与展望 1, 2 1 1 1 李 　宁 ,付国江 ,库少平 ,陈明俊 (武汉理工大学 计算机科学与技术学院 ,湖北 武汉 430070; 2. 华中科技大学 控制科学与工程系 ,湖北 武汉 430074) 摘 　要 :对粒子群优化算法的产生背景 、基本算法 、改进算法 、研究热点及应用领域作了简要的综述 ,并对其发 展方向作了展望 。 关键词 :粒子群优化算法 ; 人工生命 ; 群智能 ; 演化计算 中图法分类号 : TP301. 6　　　　文献标识码 : A 能领域有 3种基于群智能的算法 :蚁群算法 、文化 1　引　言 算法和 PSO 。 粒子群优化算法 PSO ( Particle Swarm Op tim i 2. 2　基本 PSO 算法介绍 zation) 由 Kennedy和 Eberhart于 1995 年提出[ 1 ] , PSO 初始化为一群随机粒子 ,然后通过迭代 算法模拟鸟群飞行觅食的行为 ,通过鸟之间的集 找到最优解 。每次迭代 ,粒子通过跟踪 2 个 “极 体协作使群体达到最优 。与遗传算法类似 ,它也 值 ”:粒子本身所找到的最优解 PB e st和群体找到 是基于群体迭代 ,但没有交叉 、变异算子 ,群体在 的最优解 GB e st来更新 自己。PSO 算法数学表示 解空间中追随最优粒子进行搜索 。PSO 的优势在 如下 [ 2 ] : 于简单容易实现 , 同时又有深刻的智能背景 ,既适 设搜索空间为 D 维, 总粒子数为 n。第 i个 合科学研究 ,又特别适合工程应用 [ 2 ] 。 粒子位置表示为向量 Xi = ( xi1 , xi2 , …, xiD ) ; 第 i 个粒子的历史最优位置为 P i = ( p i1 , p i2 , …, p iD ) , 2　粒子群优化算法 其中 P 为所有 P ( i = 1, …, n) 中的最优; 第 i个 g i 2. 1　产生背景 粒子的位置变化率为向量 V i = ( vi1 , vi2 , …, viD ) 。 复杂适应系统 CA S ( Comp lex A dap tive Sys 每个粒子的位置按如下公式进行变化 : )