粒子群优化算法简介VIP免费

多目标粒子群算法 粒子群算法，也粒子群优化算法（Particle Swarm Optimization），缩写为 PSO，是一种进化计算技术(evolutionary computation)，1995 年由Eberhart 博士和kennedy 博士提出，源于对鸟群捕食的行为研究 。 PSO 算法从随机解出发，通过迭代寻找最优解，通过适应度来评价解的品质。但是，PSO 比遗传算法规则更为简单，它没有遗传算法的“交叉” 和“变异”操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点，并且在解决实际问题中展示了其优越性。 1． 引言 优化问题是工业设计中经常遇到的问题,许多问题最后都可以归结为优化问题. 为了解决各种各样的优化问题,人们提出了许多优化算法,比较著名的有爬山法、遗传算法等. 优化问题有两个主要问题 一是要求寻找全局最优点, 二是要求有较高的收敛速度. 遗传算法 属于进化算法( Evolutionary Algorithms) 的一种,它通过模仿自然界的选择与遗传的机理来寻找最优解. 遗传算法有三 个基 本 算子:选择、交叉和变异. 但是遗传算法的编 程 实现比较复 杂 ,首 先 需 要对问题进行编 码 ,找到最优解之 后还 需 要对问题进行解码 ,另 外 三 个算子的实现也有许多参数 ,如 交叉率 和变异率 ,并且这些 参 数 的选择严 重 影 响 解的品质,而 目前这些 参 数 的选择大 部 分 是依 靠 经验 。 PSO 算法 PSO 同 遗传算法类 似 ，是一种基 于迭代的优化算法。系 统 初 始 化为一组随机解，通过迭代搜寻最优值。但是它没有遗传算法用 的交叉(crossover)以及 变异(mutation)，而 是粒子在解空 间 追随最优的粒子进行搜索。同 遗传算法比较，PSO 的优势 在于简单容易实现并且没有许多参 数 需 要调 整 。目前已 广 泛 应用 于函 数 优化，神 经网 络 训 练 ，模糊 系 统 控 制 以及 其他 遗传算法的应用 领 域 。 2． 算法介 绍 简 介 如 前 所 述 ， PSO 模 拟 鸟 群 的 捕 食 行 为 。 设 想 这 样 一 个 场 景 ： 一 群 鸟 在 随机 搜 索 食 物 。 在 这 个 区 域 里 只 有 一 块 食 物 。 所 有 的 鸟 都 不 知 道 食 物 在 那 里 。但 是 他 们 知 道 当 前 的 位 置 离 食 物 还 有 多 远 。 那 么 找 到 食 物 的 最 优 策 略 ...