**

粒子群算法（PSO）

**

一.粒子群算法（PSO）是一種基于群體的隨機優(yōu)化技術(shù)； 初始化為一組隨機解，通過迭代搜尋最優(yōu)解。

*PSO算法流程如圖所示（此圖是從PPT做好，復(fù)制過來的，有些模糊）*

二.PSO模擬社會的三條規(guī)則：

①飛離最近的個體，以避免碰撞

②飛向目標(biāo)（認(rèn)知行為）——Pbest

③飛向群體的中心（社會行為）——Gbest

三.迭代公式：
舉一個粒子。。。在一維中，利用MATLAB中自帶的函數(shù)求極值

搜索起始點位置

注：fmincon（有約束的非線性最小化） fminbnd（有邊界的標(biāo)量非線性最小化） GlobalSearch（全局搜索）

左圖為用fminbnd函數(shù)求解情況；右圖為用GlobalSearch 在[0,20]內(nèi)求解情況。

由右圖所示結(jié)果可以看出，采用fmincon進行有約束的非線性最小化求解，容易進入局部最優(yōu)解；fminbnd在進行非線性最小化求解也容易掉進局部最優(yōu)，導(dǎo)致在非連續(xù)函數(shù)下，使得求解結(jié)果不收斂。GlobalSearch在[0,20]內(nèi)進行非線性最小化求解能夠很精確地尋最優(yōu)值。

但是由于基本的粒子群算法不滿足
因此它不是全局收斂。

對于一些較為復(fù)雜的二維，高維函數(shù)，它們具有廣泛的搜索空間，也存在很多局部最優(yōu)解（極小值點），因此我們用PSO算法較難找到全局最優(yōu)值。

因此，我們需要對基本粒子群算法進行改進， 以達到更快的收斂速度及盡量跳出局部最優(yōu)的陷阱， 從而達到全局最優(yōu)。（圖見下·面可知）

PSO算法是一種很基礎(chǔ)的全局搜索算法，可以很好的達到搜索最小值的效果；但是由于算法原理的一些缺陷，也存在一些問題，對PSO算法的改進方法，在下次博客中再分享。

基本粒子群算法（PSO）的改進：https://editor.csdn.net/md/?articleId=86703801

粒子群算法參數(shù)w的改進：https://editor.csdn.net/md/?articleId=86634811

更新于 2020.04.25

謝謝大家！！！

總結(jié)

以上是生活随笔為你收集整理的智能算法PSO的图例分析的全部內(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，歡迎將生活随笔推薦給好友。