粒子群算法简单介绍

原理

粒子群算法（也称粒子群优化算法（particle swarm optimization, PSO）），模拟鸟群随机搜索食物的行为。粒子群算法中，每个优化问题的潜在解都是搜索空间中的一只鸟，叫做“粒子”。所有的粒子都有一个由被优化的函数决定的适应值（fitness value），每个粒子还有一个速度决定它们“飞行”的方向和距离。

粒子群算法初始化为一群随机的粒子（随机解），然后根据迭代找到最优解。每一次迭代中，粒子通过跟踪两个极值来更新自己：第1个是粒子本身所找到的最优解，这个称为个体极值；第2个是整个种群目前找到的最优解，这个称为全局极值。也可以不用整个种群，而是用其中的一部分作为粒子的邻居，称为局部极值。

假设在一个D维搜索空间中，有N个粒子组成一个群落，其中第i个粒子表示为一个D维的向量：

X_i = (x_{i1}, x_{i2}, \ldots, x_{iD}), i=1,2,\ldots ,N

第i个粒子的速度表示为：

V_i = (v_{i1}, v_{i2}, \ldots, v_{iD}), i=1,2, \dots, N

还要保存每个个体的已经找到的最优解p_{best}，和一个整个群落找到的最优解g_{best}。

第i个粒子根据下面的公式更新自己的速度和位置：

v_{id} = w \times v_{id} + c_1 r_1 (p_{id}-x_{id}) + c_2 r_2 (p_{gd}-x_{id}) ,(1)

x_{id} = x_{id} + v_{id}

其中，p_{id} 是个体已知最优解，p_{gd} 是种群已知最优解，w 为惯性权重，c_1, c_2 为学习因子（或加速常数 acceleration constant)，r_1,r_2 是[0,1]范围内的随机数。

式(1)由三部分组成：

  1. 惯性或动量部分，反应粒子的运动习惯。
  2. 认知部分，粒子有向自身历史最佳位置逼近的优势。
  3. 社会部分，粒子有向群体或领域历史最佳位置逼近的趋势。

特点

  • 粒子群算法是一种高效的并行搜索算法。
  • 粒子群算法保留了基于种群的全局搜索策略，操作模型比较简单，避免了复杂的遗传操作。
  • 保留了每个粒子的个体历史极值。
  • 算法在后期收敛速度缓慢。
  • 粒子群算法对种群大小不十分敏感。
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容

  • 蚁群算法与粒子群算法优缺点
    姓名：彭帅 学号：17021210850 【嵌牛导读】：蚁群算法(ACO)是受自然界中蚂蚁搜索食物行为的启发，是一...
    重露成涓滴阅读 38,781评论 0赞 8
  • 粒子群算法
    算法背景 粒子群算法（particle swarm optimization，PSO）是计算智能领域中的一种生物启...
    Muggle01阅读 9,840评论 0赞 5
  • 多目标优化问题详解
    多目标优化问题详解 2017年9月2日byxyjisaw 生活中 ,许多问题都是由相互冲突和影响的多个目标组成。人...
    jacke121阅读 10,534评论 0赞 3
  • 坐上游轮游三峡（二）
    三峡人家（龙进溪） 三峡人家是第一个自费景点。未上船之前，看到行程上写道，三峡人家或屈原故里任选一个。上了船后，两...
    笑对红尘阅读 4,134评论 2赞 6
  • 2017-09-20
    你看我 像一只尖酸刻薄的蝼蚁 在这一刻 把所有的利齿爪牙伸出来 我想喝血 吞咽他们身体里的丑陋，欲望，自私 让我膨...
    三势阅读 1,677评论 1赞 8