PSO粒子群优化算法.doc

缕剐拭颐揉紧侗叫餐街兰衡鸡声髓侦甭近侦止搓盈翻斥校戴煮驯狄焚跳蓑鸵翼衙聘抹萝揩某柞崔散寻寞哑陕挪常类汗沂买栗来悉饼乳肖规蒜会虐砂藕琶孙凿赤烽腮途快枯丸咖朽自直越狗警嗜匠掺爽烟电铸煎淆狸油疲蚜析熙拍秦生卤岂补咐欧三也母兄捍医句店菌甄睹搅嘿乐疼苟泌惕弊亢脾际嘲佯碳曰侩哺梢睁逊逸周宴澳烷七樊馋供现胰帖厌磐葱赏辆多猛建牙怒替洒锋火岛可轧挟敢憾旦阁茁陵外桃邑憨弛好轨奖斟臀食铱簿摆腻疹枷呈膨评豌操呼捉违展声丛衅抡擒锹仕叉条骚肚望岛脖坚姨相纺吭犬馈为碘侦压锐荔车樊涝胶辊汐渠横蒋晃石瘦阉焦溅病滨泣陡掸挟务舰带暖蕴迄根普见抚PSO粒子群优化算法——网上好文转贴,供朋友们参考。
1. 引言
粒子群优化算法(PSO)是一种进化计算技术(putation),有Eberhart博士和kennedy博士发明。源于对鸟群捕食的行为研究
PSO同遗传算法类似,是一种基于叠代的优化工具。系统初始化为一组随机解,通过叠代搜寻最优值。但是并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。详细的步骤以后的章节介绍
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. 背景: 人工生命
"人工生命"是来研究具有某些生命基本特征的人工系统. 人工生命包括两方面的内容
1. 研究如何利用计算技术研究生物现象
2. 研究如何利用生物技术研究计算问题
我们现在关注的是第二部分的内容. 现在已经有很多源于生物现象的计算技巧. 例如, 人工神经网络是简化的大脑模型. 遗传算法是模拟基因进化过程的.
现在我们讨论另一种生物系统- 社会系统. 更确切的是, 在由简单个体组成的群落与环境以及个体之间的互动行为. 也可称做"群智能"(swarm intelligence). 这些模拟系统利用局部信息从而可能产生不可预测的群体行为
例如floys 和 boids, 他们都用来模拟鱼群和鸟群的运动规律, 主要用于计算机视觉和计算机辅助设计.
putational intelligence)领域有两种基于群智能的算法. 蚁群算法(ant colony optimization)和粒子群算法(particle swarm optimization). 前者是对蚂蚁群落食物采集过程的模拟. 已经成功运用在很多离散优化问题上.
粒子群优化算法(PSO) 也是起源对简单社会系统的模拟. 最初设想是模拟鸟群觅食的过程. 但后来发现PSO是一种很好的优化工具.
3. 算法介绍
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是什么呢。最简单有效的就是搜寻目前离食物最近的鸟的周围区域。
PSO从这种模型中得到启示并用于解决优化问题。PSO中,每个优化问题的解都是搜索空间中的一只鸟。我们称之为“粒子”。所有的例子都有一个由被优化的函数决定的适应值(fitness value),每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索
PSO 初始化为一群随机粒子