PSO算法可以这样理解一群鸟在空中三维空间的某个区域北京.DOCVIP

PSO算法可以这样理解，一群鸟在空中（三维空间）的某个区域（北京市上空100m以下）飞翔，它们的目标是找到一个最佳的位置（三维空间的一个点），在这个位置上食物（可认为是昆虫）最多，这个最佳的位置就是全局最优解。开始鸟群在整个区域随机散开（随机的初始值），开始搜索。在搜索过程中，每只鸟均要按照同样的规则对所在位置昆虫的多少（适应度函数）进行评价（适应度值），记录所搜索过的历史位置中最佳的的位置（个体极值）及其相应的适应度值，并向整个鸟群传递这一信息（位置及昆虫密度）。整个鸟群中最佳的位置就是全局极值。每只鸟下一步搜索的位置（当前位置加上速度承以时间单位，时间单位相同，所以下一步的位置取决于速度）受个体极值和全局极值的影响（当前位置和最佳位置的距离乘以一个随机变化的加权因子），并向这个方向前进（参见速度表达式）。当然速度有一个极大值，每只鸟的速度均不会超过极大值。而且如果发现搜索的位置超出了设定的边界，就会返回。 通过群体的努力很快发现在石景山区离地面20米的地方昆虫密度是最大的，能够满足鸟群充饥（叠代控制条件）的需求，于是就结束搜索。另一种情况是虽然没有发现能满足要求的位置，但由于搜索时间太长了，大家筋疲力尽，决定放弃搜索（达到最大叠代次数），并以全局最佳位置作为搜索的最终结果。 下面的程序是以用于系统辨识的自适应滤波器为例的。系统框图如下所示。 未知系统 未知系统 自适应IIR滤波