粒子群算法简介.pptVIP

粒子群算法简介 1。引言 粒子群算法（PSO算法） 定义：粒子群算法，又称粒子群优化算法（Partical Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法（Evolutionary Algorithm - EA），由Eberhart 博士和kennedy 博士于1995年提出，其源于对鸟群捕食的行为研究。PSO同遗传算法类似，是一种基于迭代的优化算法。系统初始化为一组随机解，通过迭代搜寻最优值。但是它没有遗传算法用的交叉(crossover)以及变异(mutation)，而是粒子在解空间追随最优的粒子进行搜索。 应用范围：目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域。 2。背景：人工生命 人工生命是来研究具有某些生命基本特征的人工系统。 人工生命包括两方面的内容 1. 研究如何利用计算技术研究生物现象 2. 研究如何利用生物技术研究计算问题（关注） 社会系统 由简单个体组成的群落与环境以及个体之间的互动行为。称做“群智能”(swarm intelligence)。 在计算机智能领域有两种“群智能”算法，PSO是其中之一。 PSO起源对简单社会系统的模拟，最初设想是模拟鸟群觅食的过程。但使用中发现，PSO也是一种很好的优化工具。 3。算法介绍 算法思想