优化算法-粒子群优化算法.pptVIP

粒子群优化算法带压缩因子的PSO算法在加入了惯性权重的PSO被提出后，1999年Clerc提出了在PSO中加入压缩因子(ConstrictionFactor)的概念，用以确保粒子群最佳化算法能够收敛。粒子群优化算法粒子群优化算法二进制PSO算法PSO算法是针对十进制连续函数优化问题提出的，然而，许多的问题则建立在离散的特征空间中，为了能够将PSO算法应用于解决离散优化问题中，Kennedy和Eberhart提出了二进制PSO算法。粒子群优化算法使用了逻辑函数确定速度概率使得是0还是1粒子群优化算法全信息PSO算法在标准的PSO算法中，对一个粒子状态产生影响的是粒子自身和全局最优粒子，而群体其他粒子的信息却没有被利用到。Kennedy和Mendes认真研究了群体拓扑结构对于搜索性能的影响，强调了粒子群拓扑结构的重要性，提出了全信息的PSO算法（FIPS）粒子群优化算法在该算法中，一个粒子的状态受其多个甚至是所有的邻居的影响粒子群优化算法某个粒子的速度信息更新得益于该粒子的多个邻居的共同作用，更新方程如下:其中是粒子i的邻居个数，是粒子i的第k邻居的个体最好位置粒子群优化算法其他的一些改进PSO算法合作PSO算法理解学习PSO算法粒子群优化算法量子行为粒子群优化算法(QPSO)量子力学背景一、经典物理学是“最终理论”？粒子群优化算法十九世纪末期，物理学理论在当时看来已经发展到相当完善的阶段。那时，一般物理现象都可以从相应的理论中得到说明：机械运动（vc时）牛顿力学电磁现象麦克斯韦方程光现象（光的波动）热现象热力学、统计物理学（玻耳兹曼、吉布斯等建立）有人认为：物理现象的基本规律已经被揭穿，剩下工作只是应用和具体的计算。粒子群优化算法二、经典物理学的困难由于生产力的巨大发展，对科学实验不断提出新的要求，促使科学实验从一个发展阶段进入到另一个发展阶段。就在物理学的经典理论取得上述重大成就的同时，人们发现了一些新的物理现象无法用经典理论解释。粒子群优化算法黑体辐射问题光电效应问题原子的线状光谱和原子结构问题粒子群优化算法三、量子力学的发展阶段1900年普朗克提出量子假说1913年玻尔建立的量子化的原子结构模型1923年德布罗意提出物质波概念1925年海森堡建立矩阵力学1926年薛定谔建立波动力学，以及之后玻恩对量子力学和波函数的统计解释。粒子群优化算法量子行为粒子群优化算法的基本模型群智能中个体的差异是有限的，不是趋向于无穷大的。群体的聚集性是由相互学习的特点决定的。个体的学习有以下特点：追随性：学习群体中最优的知识记忆性：受自身经验知识的束缚创造性：使个体远离现有知识粒子群优化算法聚集性在力学中，用粒子的束缚态来描述。产生束缚态的原因是在粒子运动的中心存在某种吸引势场，为此可以建立一个量子化的吸引势场来束缚粒子（个体）以使群体具有聚集态。处于量子束缚态的粒子可以以一定的概率密度出现在空间任何点。粒子群优化算法M.Clerc通过代数和数学分析方法，对PSO算法中的收敛行为进行了分析，研究表明，粒子i的收敛过程以点为吸引子，其坐标为：式（1）粒子群优化算法在收敛的过程中，随着速度的减小，粒子i不断的接近，最后跌落到点,因此在整个过程中，在点处实际存在某种形式的吸引势吸引该粒子，这正是整个群体保持聚集性的原因。根据以上思想，考虑在点建立一个吸引势来对群体中的粒子产生影响，粒子群优化算法薛定谔（1887?1961）ErwinSchrodinger奥地利人1933年诺贝尔物理学奖获得者量子力学的创立粒子群优化算法薛定谔一维定态方程同牛顿方程一样，薛定谔方程不能由其它的基本原理推导得到，是量子力学的一个基本的假设，其正确性也只能靠实验来检验。m—粒子的质量U—粒子在外力场中的势能函数(粒子所在的势场)该方程的解为：粒子群优化算法其中L=