《粒子群算法综述》由会员分享，可在线阅读，更多相关《粒子群算法综述（1页珍藏版）》请在金锄头文库上搜索。
1、粒子群算法综述作者：王旖旎来源：网络导报在线教育2012年第14期【摘要】：粒子群算法（PSO）是一种新兴的基于群体智能的启发式全局搜索算法，具有易 理解、易实现、全局搜索能力强等特点，倍受科学与工程领域的广泛关注，已得到广泛研究和 应用。为了进一步推广应用粒子群算法并为深入研究该算法提供相关资料，本文对目前国内外 研究现状进行了全面分析，在论述粒子群算法基本思想的基础上，围绕PSO的运算过程、特 点、改进方式与应用等方面进行了全面综述，并给出了未来的研究方向展望。【关键词】：粒子群算法优化综述优化理论的研究一直是一个非常活跃的研究领域。它所研究的问题是在多方案中寻求最优 方案。人们关于优化问
2、题的研究工作，随着历史的发展不断深入，对人类的发展起到了重要的 推动作用。但是，任何科学的进步都受到历史条件的限制，直到二十世纪中期，由于高速数字 计算机日益广泛应用，使优化技术不仅成为迫切需要，而且有了求解的有力工具。因此，优化 理论和算法迅速发展起来，形成一门新的学科。至今已出现线性规划、整数规划、非线性规 划、几何规划、动态规划、随机规划、网络流等许多分支。这些优化技术在诸多工程领域得到 了迅速推广和应用，如系统控制、人工智能、生产调度等。随着人类生存空间的扩大，以及认 识世界和改造世界范围的拓宽，常规优化法如牛顿法、车辆梯度法、模式搜索法、单纯形法等 已经无法处理人们所面的复杂问题，因
3、此高效的优化算法成为科学工作者的研究目标之一。1.粒子群算法的背景粒子群算法（Particle Swarm Optimization，PSO）是一种新兴的演化算法。该算法是由 J.Kennedy和R.C.Eberhart于1995年提出的一种基于群智能的随机优化算法。这类算法的仿生 基点是：群集动物（如蚂蚁、鸟、鱼等）通过群聚而有效的觅食和逃避追捕。在这类群体的动物 中，每个个体的行为是建立在群体行为的基础之上的，即在整个群体中信息是共享的，而且在 个体之间存在着信息的交换与协作。如在蚁群中，当每个个体发现食物之后，它将通过接触或 化学信号来招募同伴，使整个群落找到食源；在鸟群的飞行中，每只鸟在初始状态下处于随机 位置，且朝各个方向随机飞行，但随着时间推移，这些初始处于随机状态的鸟通过相互学习 （相互跟踪）组织的聚集成一个个小的群落，并以相同的速度朝着相同的方向飞行，最终整个群 落聚集在同一位置一食源。这些群集动物所表现的智能常称为“群体智能”，它可表述为：一 组相互之间可以进行直接通讯或间接通讯（通过改变局部环境）的主体，能够通过合作对问题进 行分布求解。换言之，一组无智能的主体通过合作表现出智能行为特征。粒子群算法就是以模 拟鸟的群集智能为特征，以求解连续变量优化问题为背景的一种优化算法。因其概念简单、参
