粒子群算法粒子群算法简介.doc

粒子群算法粒子群算法简介.doc粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
粒子群算法

(1)----

粒子群算法简介维的情况

；
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
2
z=2*x1+3*x2的情况。这个时候我们的每个粒子为二维，记粒子P1＝
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
(x11,x12),P2=(x21,x22),P3=(x31,x32)，......Pn=(xn1,xn2)。这里n为粒子群群体的规模，也就是这个群中粒子的个数，
每个粒子的维数为2。更一般的是粒子的维数为q，这样在这个种群中有n个粒子，每个粒子为q维。
由n个粒子组成的群体对Q维（就是每个粒子的维数）空间进行搜索。每个粒子表示为：xi＝（xi1,xi2,xi3,...,xiQ），
每个粒子对应的速度可以表示为vi=(vi1,vi2,vi3,....,viQ)，每个粒子在搜索时要考虑两个因素：
1。自己搜索到的历史最优值pi，pi=(pi1,pi2,....,piQ)，i=1,2,3,....,n。
2。全部粒子搜索到的最优值pg，pg=(pg1,pg2,....,pgQ)，注意这里的pg只有一个。
下面给出粒子群算法的位置速度更新公式：
这里有几个重要的参数需要大家记忆，因为在以后的讲解中将会经常用到：
它们是：
是保持原来速度的系数，所以叫做惯性权重。
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
是粒子跟踪自己历史最优值的权重系数，它表示粒子自身的认识，所以叫

“认知”。通常设置为

2。
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
是粒子跟踪群体最优值的权重系数，它表示粒子对整个群体知识的认识，所以叫做

“社会知识”，经常叫做

“社会”。
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
通常设置为

2。
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
是[0,1]区间内均匀分布的随机数。
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
是对位置更新的时候，在速度前面加的一个系数，这个系数我们叫做约束因子。通常设置为
这样一个标准的粒子群算法就结束了。
下面对整个基本的粒子群的过程给一个简单的图形表示：

1。
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
判断终止条件可是设置适应值到达一定的数值或者循环一定的次数。
注意：这里的粒子是同时跟踪自己的历史最优值与全局（群体）最优值来改变自己的位置预速度的，所以又叫做全局版本的标准粒子群优化算法。
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
粒子群算法

(3)----标准的粒子群算法

(局部版本

)
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
粒子群算法(1)----粒子群算法简介
在全局版的标准粒子群算法中，每个粒子的速度的更新是根据两个因素来变化的，这两个因素是：
最优值pi。。如果改变粒子速度更新公式，让每个粒子的速度的更新根据以下两个因素更
新，