- 1、本文档共21页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
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
文档评论(0)