粒子群优化算法综述.docxVIP

粒子群优化(PSO)算法 [摘要]粒子群优化(PSO)算法是一种新兴的优化技术,其思想来源于人工生命和演化计算理论。PSO通过粒子追随自己找到的最优解和整个群的最优解来完成优化。该算法简单易实现, 可调参数少,已得到广泛研究和应用。详细介绍了PSO的基本原理、其特点、各种改进方式及其应用等,并对其未来的研究进行展望。 [关键词]群体智能;优化算法;粒子群优化 1、前言 从20世纪90年代初,就产生了模拟自然生物群体(swarm)行为的优化技术。Do rigo等从生物进化的机理中受到启发,通过模拟蚂蚁的寻径行为,提出了蚁群优化方法;Eberhart和Kennedy于1995年提出的粒子群优化算法是基于对鸟群、鱼群的模拟。这些研究可以称为群体智能(swarm intelligence)。通常单个自然生物并不是智能的,但是整个生物群体却表现出处理复杂问题的能力,群体智能就是这些团体行为在人工智能问题中的应用。粒子群优化(PSO)最初是处理连续优化问题的,目前其应用已扩展到组合优化问题。由于其简单、有效的特点,PSO已经得到了众多学者的重视和研究。粒子群算法在求解优化函数时，表现出较好的寻优能力。特别是针对复杂的工程问题，通过迭代寻优计算，能够迅速找到近似解，因而粒子群算法在工程计算中被广泛应用。 2、PSO 基本原理 粒子群优化算法是基于群体的演化算法,其思想来源于人工生命和演化计算理论