粒子群PSOampGA课件讲课教案.pptVIP

粒子群优化算法遗传算法;粒子群优化算法(PSO)基本原理; 20世纪80年代，社会性动物（如蚁群、蜂群、鸟群）的自组织行为引起了人们的广泛关注。许多学者对其进行数学建模和计算机仿真。产生了所谓的群集智能Swarm Intelligence（SI）。 1995年，由美国学者Kennedy和Eberhart提出，基本概念源于对鸟群、鱼群的捕食行为的研究。 ; 一群鸟在随机搜寻食物。在这个区域里只有一块食物。所有的鸟都不知道食物在哪里，但知道当前的位置离食物还有多远。那么找到食物的最优策略是什么呢？ 最简单有效的方法就是搜寻目前离食物最近的鸟的周围区域。; 初始化为一群随机粒子（随机解），然后通过迭代找到最优解 在每一次迭代中，粒子通过跟踪两个极值来更新自己。 一个就是粒子本身所找到的最优解，这个称为个体极值。 另一个极值是整个种群目前找到的最优解，这个极值是全局极值。也可以不用整个种群而只是用其中一部分作为粒子的邻居，那么在所有邻居中的极值就是局部极值。 ;1、初始化 2、计算适应度 3、搜索位置的最优解 4、位置和速度的更新 5、满足终止条件，结束，否则，返回2; D维的目标搜索空间 m个粒子组成的群落 第i个粒子在D维的搜索空间中的位置 第i个粒子在D维的搜索空间中的飞翔速度 ; 每个粒子就是一个