粒子群优化算法总结介绍.ppt

背景知识 粒子群优化算法( Particle Swarm Optimization--PSO), 是由J. Kennedy和R.C. Eberhart于1995年提出的一种基 于种群的随机的优化算法。 James Kennedy Russell Eberhart PSO算法基于早期的 Boids模型,这个模型由 Craig W. Reynolds建立,最初是为了图形化的模拟鸟群的运动而设 计的。该模型满足三条基本规则 1.分隔规则 当个体与某些邻居靠的太近的时候就会尽量避开。 2.匹配规则: 每个个体的飞行方向尽量同周围的邻居的飞行方向保持 致 3.吸引规则 每个个体都要尽量靠近他的邻居所在的中心位置。 基于这个模型,给每个个体一个随机的初始速度和位置,程 序运行的每一步都根据以上三条规则迭代,很快就会使得所 有点的速度变得一·样 由于 Boids模型太简单而且远离真实情况,于是 Heppner对 该模型进行了改进,提出了一个“谷地”模型,用来模拟鸟 类的觅食行为。 假设在平面上存在一个“谷地”,即食物所在地,鸟群开始 时随机的分散在平面上,寻找食物时鸟群按照如下三条规则 运动 每个个体都会被谷地的位置吸引 2每个个体会记住在运动过程中离“谷地”最近的点; 3每个个体会将自己离“谷地”最近的点分享给其他个体。 用当前位置到谷地的距离:来衡量当前位置和速度的“好 坏程度”,离谷地的距离越近,则越“好”,反之越 由于每只鸟都能记住自己到达的最优位置 pbest,并且每只 內都能同种群中其他鸟通信,能够知道种群中的最优位置 abest,则它们的速度会按照如下公式变化 if presentxl> pbestxlgbest]then vxl]= vxl-rand(*g_increment if present( pbestxl gbest then vxl=vx[ rand* a_increment if presenty/> pbesty/ gbest/ then vy/ =vy//-rand(*g_increment if presenty/]< pbesry gbest then vy =vyl rand( *g_increment