自然计算模型系列之 粒子群（ 鱼群鸟群） 算法.ppt

先进计算模型（2） 自然计算模型系列之 粒子群（ 鱼群/鸟群） 算法 四川大学计算机学院2009 博士生课程 （遗传算法，基因表达式编程， 粒子群算法(PSO)，蚁群算法，鱼群算法，….) 唐常杰 四川大学计算机学院;目录，大致计划;今天 自然计算模型 （Nature Computing)概述 GEP 基因表达式编程 PSO 粒子群算法 鱼群 鸟群算法 下一次 蚁群算法 模拟退火算法 人工免疫 思想 （比喻） …… 欢迎同学在下次发言 （5-30分钟均可） （ 如 A 先讲， 可跳至32页 ）;资料出处 和 致谢;欢迎指正 我们在PSO方面的工作不多，难免疏漏：; ;“人多力量大” 规则的 启发下 搜索 比喻：两人带手机到电脑海洋城 选购机器， 货比多家 纵坐标价格;鸟群算法 其他应用例子; ;PSO :特点;简介 Particle Swarm Optimization ;一种说法：;PSO先驱 Russell Eberhart （罗素 爱伯罕？）;PSO先驱 James Kennedy （詹姆斯，肯尼迪 ？）;PSO 外师物化（启发） ，内得心源（灵感）;观察家里鱼缸：一条鱼（当前的带头鱼，通常是老鱼） 发现食物 ，其他的（通常是新鱼）同伴能感知声波,..;问题;问题;你们把观察的现象形式化吗？ ;寻优问题 解 想象成一只鸟(鱼)，称Particle 每个Particle都有记忆性 所有的Particle都透过Fitness Function以判断目前的位置之好坏 每个Particle透过Velocity（速度） Function以决定移动的距离与方向;鸟（鱼）有记忆 鸟（鱼）能比较 鸟（鱼）可通讯 （广播） 鸟（鱼）会学习 向好鸟（鱼）学习， 见异思迁（有点贬义） 见贤思齐 从善如流 （褒义） 追尾行为，一条鱼发现食物时，伙伴会尾随 算法思想 ：模拟鸟（鱼）觅食、聚群和追尾行为 写论文时，写观察不需要证明，大多数情况下 成立，能解决问题，就有用;鸟（鱼）有记忆 鸟（鱼）能比较 鸟（鱼）可通讯 （广播） 鸟（鱼）会学习 向好鸟（鱼）学习， 见异思迁（有点贬义） 见贤思齐 从善如流 （褒义） 追尾行为，一条鱼发现食物时，伙伴会尾随 算法思想 ：模拟鸟（鱼）觅食、聚群和追尾行为 写论文时，写观察不需要证明，大多数情况下 成立，能解决问题，就有用;算法思想 模???鸟（鱼）觅食、聚群和追尾行为;鸟（鱼）有记忆 鸟（鱼）能比较 向好鸟（鱼）学习，见异思迁， 从善如流 写论文时，写观察不需要证明， 观察结论在大多数情况下 成立， 能解决以大批问题，有用 从观察 到理论，是实验科学的研究方法 ; 分隔规则，尽量避免与临近伙伴过于拥挤 对准规则，尽量与临近伙伴的平均方向一致； 内聚规则，尽量朝临近伙伴的中心移动。 追尾行为 当鱼群中的一条或几条鱼发现食 物时，其临近的伙伴会尾随其快速到达食物点。;PSO的主要步骤 遗传算法-编译-交叉;PSO的主要步骤 遗传算法-编译-交叉;PSO的主要步骤 遗传算法-编译-交叉;PSO的主要步骤 遗传算法-编译-交叉;PSO的主要步骤 遗传算法-编译-交叉;PSO的初始化 随机设置 每Particle之初始位置与速度;PSO的适应度评价;Find the Pbest—单个粒子优化;Find the Gbest;PSO更新 （相当于遗传算法的新的一代，进化）;PSO流程 （与遗传算法相比，少了变异和交叉）;PSO Velocity Function 速度函数的构成;插曲：一个有趣的比喻;插曲：一个有趣的比喻;PSO Velocity Function（后面有动画演示）;社会模型 Social-Only Model;? Vid：第 i 个 particle (d维)速度 ? Pid：每个 particle 迄今出现的最佳位置 ? Pgd：所有 particle 迄今最佳位置 ? Xid：每个 particle 目前位置 ? C1,C2：学习常数 ? w：惯性权重 ? rand()：0~1之间随机数 ;區域 最佳解;鸟（鱼）有记忆 鸟（鱼）能比较，会总结 向好鸟（鱼）学习， 见贤思齐 不但 从善如流，还能统筹兼顾 局部经验和全局经验 上页的演示确实说明了这三点 （必要时重新演示一次） ;鸟（鱼）有记忆 鸟（鱼）能比较，会总结 向好鸟（鱼）学习， 从善如流 不但 从善如流，还能统筹兼顾 局部经验和全局经验 上页的演示确实说明了这三点 （必要时重新演示一次） ;PSO算法 ;PSO