logo资料库

粒子群优化算法(详细易懂,很多例子).ppt

第1页 / 共49页
第2页 / 共49页
第3页 / 共49页
第4页 / 共49页
第5页 / 共49页
第6页 / 共49页
第7页 / 共49页
第8页 / 共49页
资料共49页,剩余部分请下载后查看
粒子群优化算法(PS0) Particle Swarm Optimization
智能算法 q 向大自然学习 n 遗传算法(GA) n 物竞天择,设计染色体编码,根据适应 值函数进行染色体选择、交叉和变异操 作,优化求解 n 人工神经网络算法(ANN) n 模仿生物神经元,透过神经元的信息传 递、训练学习、联想,优化求解 n 模拟退火算法(SA) n 模模仿金属物质退火过程
解决最优化问题的方法 n 传统搜索方法 n 保证能找到最优解 n Heuristic Search n 不能保证找到最优解
粒子群算法发展历史简介 由Kennedy和Eberhart于1995年提出. 群体迭代,粒子在解空间追随最优的粒子进行搜索. 简单易行 粒子群算法: 收敛速度快 设置参数少 已成为现代优化方法领域研究的热点.
粒子群算法的基本思想 q 粒子群算法的思想源于对鸟群捕食行为的研究. q 模拟鸟集群飞行觅食的行为,鸟之间通过集体的协作使群 体达到最优目的,是一种基于Swarm Intelligence的优化 方法。 q 马良教授在他的著作《蚁群优化算法》一书的前言中写到: “自然界的蚁群、鸟群、鱼群、 q 大自然对我们的最大恩赐! 羊群、牛群、蜂群等,其实时时刻刻都在给予 我们以某种启示,只不过我们常常忽略了 大自然对我们的最大恩赐!......”
粒子群算法的基本思想 设想这样一个场景:一群鸟在随机搜索食物 已知 在这块区域里只有一块食物; 所有的鸟都不知道食物在哪里; 但它们能感受到当前的位置离食物还有多远. 那么:找到食物的最优策略是什么呢? 搜寻目前离食物最近的鸟的周围区域 . 根据自己飞行的经验判断食物的所在。 PSO正是从这种模型中得到了启发. PSO的基础: 信息的社会共享
n 生物学家对鸟(鱼)群捕食的行为研究 n 社会行为 (Social-Only Model) n 个体认知 (Cognition-Only Model)
分享到:
收藏