河北响应式网站建设wordpress 监控应用
简介
粒子群优化算法PSO(particle swarm optimization)是模拟自然界生物群体行为的算法, 一种基于种群的随机搜索方法，它模仿鸟群的觅食行为，通过群体合作来寻找问题的最优解
基本粒子群优化算法
pbest表示个体极值，gbest表示种群极值,其数据模型为
v k + 1 = v k + c 1 ( p b e s t k − x k ) + c 2 ( g b e s t k − x k ) x k + 1 = x k + v k + 1 \begin{aligned} & v_{k+1} = v_k + c_1(pbest_k - x_k) + c_2(gbest_k - x_k) \\ & x_{k+1} = x_k+ v_{k+1} \end{aligned} vk+1=vk+c1(pbestk−xk)+c2(gbestk−xk)xk+1=xk+vk+1
其中 v k v_k vk表示粒子的速度向量， x k x_k xk表示当前粒子的位置， p b e s t k pbest_k pbestk表示粒子个体当前的最优位置， g b e s t k gbest_k gbestk表示种群当前找到的最优位置， c 1 c_1 c1和 c 2 c_2 c2表示两个学习因子，一个是对于个体最优值的，一个是对于群体最优值的
标准粒子群优化算法
在基本粒子群优化算法上引入了惯性权重
v k + 1 = w v k + c 1 ( p b e s t k − x k ) + c 2 ( g b e s t k − x k ) v_{k+1} = wv_k + c_1(pbest_k - x_k) + c_2(gbest_k - x_k) vk+1=wvk+c1(pbestk−xk)+c2(gbestk−xk)