微粒群优化算法综述.docVIP

微粒群优化算法综述 微粒群优化算法(PSO)是一种基于种群的随机优化技术，由Eberhart和Kennedy于1995 年提出［心］。微粒群算法模仿昆虫、兽群、鸟群和鱼群等的群集行为，这些群体按照一种合作 的方式寻找食物，群体屮的每个成员通过学习它自身的经验和其他成员的经验来不断改变其 搜索模式。 Kennedy和Eberhart提出微粒群算法的主要设计思想与两个方而的研究密切相关：一是 进化算法，微粒群算法和进化算法一样采用种群的方式进行搜索，这使得它可以同吋搜索待 优化冃标函数解空间屮的较多区域。二是人工生命，即研究具有生命特征的人工系统，它采 用的主要工具是计算机，主要方法是利用计算机编程模拟。 Millonas在用人工生命理论来研究群居动物的行为时，对于如何采用计算机构建具有合 作行为的群集人工生命系统，提出了五条基本原则［⑷： 邻近原则(Proximity Principle):群体应该能够执行简单的空间和时间运算。 质量原则(Quality Principle):群体应该能感受到周围环境中质量因素的变化，并 对其产生响应。 (3 )反应多样性原则(Principle of Diverse Response):群体不应将自己获取资源的途 径限制在狭窄的范围之内。 稳定性原则(Principle of Stability):群体不应随着环境的每一次变化而改变H己 的行为模式