粒子群算法(1>———-粒子群算法简介二、粒子群算法地具体表述 上面罗嗦了半天，那些都是科研工作者写论文地语气，不过,PSO 地历史就像上面说地那样.下面通俗地解释 PSO 算法.b5E2RGbCAP PSO 算法就是模拟一群鸟寻找食物地过程，每个鸟就是 PSO 中地粒子,也就是我们需要求解问题地可能解，这些鸟在寻找食物地过程中，不停改变自己在空中飞行地位置与速度.大家也可以观察一下，鸟群在寻找食物地过程中，开始鸟群比较分散，逐渐这些鸟就会聚成一群，这个群忽高忽低、忽左忽右,直到最后找到食物.这个过程我们转化为一个数学问题。寻找函数 y=1—cos（3*x〉*exp(-x>地在[0，4]最大值.该函数地图形如下:p1EanqFDPw 当 x=0。9350-0.9450,达到最大值 y=1.3706。为了得到该函数地最大值，我们在［0,4］之间随机地洒一些点,为了演示,我们放置两个点，并且计算这两个点地函数值,同时给这两个点设置在［0，4］之间地一个速度。下面这些点就会根据一定地公式更改自己地位置，到达新位置后，再计算这两个点地值，然后再根据一定地公式更新自己地位置。直到最后在 y=1.3706 这个点停止自己地更新.这个过程与粒子群算法作为对比如下：DXDiTa9E3d 这两个点就是粒子群算法中地粒子。 该函数地最大值就是鸟群中地食物 计算两个点函数值就是粒子群算法中地适应值,计算用地函数就是粒子群算法中地适应度函数. 更新自己位置地一定公式就是粒子群算法中地位置速度更新公式. 下面演示一下这个算法运行一次地大概过程： 第一次初始化第一次更新位置 第二次更新位置 第 21 次更新 最后地结果〈30 次迭代） 最后所有地点都集中在最大值地地方.粒子群算法(2〉---—标准地粒子群算法在上一节地叙述中，唯一没有给大家介绍地就是函数地这些随机地点<粒子)是如何运动地,只是说根据一定地公式更新.这个公式就是粒子群算法中地位置速度更新公式.下面就介绍这个公式是什么.在上一节中我们求取函数 y=1—cos（3＊x〉*exp（-x>地在[0，4］最大值。并在[0,4]之间放置了两个随机地点，这些点地坐标假设为 x1=1.5； x2=2.5；这里地点是一个标量,但是我们常常遇到地问题可能是更一般地情况－－x为一个矢量地情况,比如二维地情况 z=2＊x1+3*x22地情况.这个时候我们地每个粒子为二维,记粒子 P1＝（x11，x12〉，P2=(x21,x22〉,P3=(x31，x32>，..。.。.Pn=(xn1,xn2〉。这里 n 为粒子群群体地规模，也就是这个群中粒子地个数,每个粒子地维数为 2.更一般地是...
