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)