粒子群算法（Particle swarm optimization，PSO）是模擬群體智能所建立起來的一種優(yōu)化算法，主要用于解決最優(yōu)化問題（optimization problems）。1995年由 Eberhart和Kennedy 提出，是基于對(duì)鳥群覓食行為的研究和模擬而來的。

假設(shè)一群鳥在覓食，在覓食范圍內(nèi)，只在一個(gè)地方有食物，所有鳥兒都看不到食物（即不知道食物的具體位置。當(dāng)然不知道了，知道了就不用覓食了），但是能聞到食物的味道（即能知道食物距離自己是遠(yuǎn)是近。鳥的嗅覺是很靈敏的）。

假設(shè)鳥與鳥之間能共享信息（即互相知道每個(gè)鳥離食物多遠(yuǎn)。這個(gè)是人工假定，實(shí)際上鳥們肯定不會(huì)也不愿意），那么最好的策略就是結(jié)合自己離食物最近的位置和鳥群中其他鳥距離食物最近的位置這2個(gè)因素綜合考慮找到最好的搜索位置。
粒子群算法與《遺傳算法》等進(jìn)化算法有很多相似之處。也需要初始化種群，計(jì)算適應(yīng)度值，通過進(jìn)化進(jìn)行迭代等。但是與遺傳算法不同，它沒有交叉，變異等進(jìn)化操作。與遺傳算法比較，PSO的優(yōu)勢(shì)在于很容易編碼，需要調(diào)整的參數(shù)也很少。

一、基本概念

與遺傳算法類似，PSO也有幾個(gè)核心概念。

粒子（particle）：一只鳥。類似于遺傳算法中的個(gè)體。

種群（population）：一群鳥。類似于遺傳算法中的種群。

位置（position）：一個(gè)粒子（鳥）當(dāng)前所在的位置。

經(jīng)驗(yàn)（best）：一個(gè)粒子（鳥）自身曾經(jīng)離食物最近的位置。

速度（velocity ）：一個(gè)粒子（鳥）飛行的速度。

適應(yīng)度（fitness）：一個(gè)粒子（鳥）距離食物的遠(yuǎn)近。與遺傳算法中的適應(yīng)度類似。

二、粒子群算法的過程

可以看出，粒子群算法的過程比遺傳算法還要簡(jiǎn)單。
1）根據(jù)問題需要，隨機(jī)生成粒子，粒子的數(shù)量可自行控制。
2）將粒子組成一個(gè)種群。這前2個(gè)過程一般合并在一起。
3）計(jì)算粒子適應(yīng)度值。
4）更新種群中每個(gè)粒子的位置和速度。
5）滿足退出條件就退出，不滿足就轉(zhuǎn)向步驟3）。

三、核心—“速度更新”

從上面PSO的算法流程中可以看出，核心步驟是更新種群中每個(gè)粒子的位置和速度，而速度的更新又是核心中的核心。

下面直接給出速度更新公式：

new_v=w?v+c1?rand()?(pbest?position)+c2?rand()?(gbest?position)

v為粒子當(dāng)前的速度，w為慣性因子（有速度就有運(yùn)動(dòng)慣性）。rand()為隨機(jī)數(shù)生成函數(shù)，能夠生成0-1之間的隨機(jī)數(shù)。position為粒子當(dāng)前的位置，pbest為本粒子歷史上最好的位置，gbest為種群中所有粒子中當(dāng)前最好的位置。c1和c2表示學(xué)習(xí)因子，分別向本粒子歷史最好位置和種群中當(dāng)前最好位置進(jìn)行學(xué)習(xí)。

參數(shù)好像也有很多，需要設(shè)置的是3個(gè)，w，c1和c2，但實(shí)際上一般都設(shè)置c1=c2=1，w一般設(shè)在0.5左右。所以也沒什么好設(shè)置的。

從物理原理上來解釋這個(gè)速度更新公式，該公式由加號(hào)分割為3個(gè)部分：

第一部分是慣性保持部分，粒子沿著當(dāng)前的速度和方向慣性飛行，不會(huì)偏移，直來直去。（牛頓運(yùn)動(dòng)學(xué)第一定理）。

第二部分是自我認(rèn)知部分，粒子受到自身歷史最好位置的吸引力，有回到自身歷史最好位置的意愿。（牛頓運(yùn)動(dòng)學(xué)第二定理）。

第三部分是社會(huì)認(rèn)知部分，粒子處在一個(gè)社會(huì)中（種群中），社會(huì)上有更好的粒子（成功人士），粒子受到成功人士的吸引力，有去社會(huì)中成功人士位置的意愿。（牛頓運(yùn)動(dòng)學(xué)第二定理）。

速度更新公式的意義就是粒子在自身慣性和2種外力作用下，速度和方向發(fā)生的改變。

注意這3部分都有重要含義。沒有慣性部分，粒子們將很快向當(dāng)前的自身最優(yōu)位置和全局最優(yōu)粒子位置靠攏，變成了一個(gè)局部算法了。有了慣性，不同粒子將有在空間中自由飛行的趨勢(shì)，能夠在整個(gè)搜索區(qū)域內(nèi)尋找食物（最優(yōu)解）。而沒有自我認(rèn)知部分，粒子們將向當(dāng)前的全局最優(yōu)粒子位置靠攏，容易陷入局部最優(yōu)。沒有社會(huì)認(rèn)知部分，粒子們各自向自身最優(yōu)位置靠攏，各自陷入自身最優(yōu)，整個(gè)搜索過程都不收斂了。

最后，有了速度更新公式，位置更新就簡(jiǎn)單了：

new_position=position+new_v?t
t一般默認(rèn)取1。 這里寫鏈接內(nèi)容

總結(jié)

以上是生活随笔為你收集整理的粒子群算法通识的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。