13.9粒子群算法的计算模型.ppt

*假设在一个D维的目标有哪些信誉好的足球投注网站空间中，有N个粒子组成一个群落，定义如下向量：第i个粒子当前时刻的位置为矢量:第i个粒子当前飞翔速度为一个矢量：在PSO中，把一个优化问题看作是在空中觅食的鸟群，那么“食物”就是优化问题的最优解，而在空中飞行的每一只觅食的“鸟”就是PSO算法中在解空间中进行有哪些信誉好的足球投注网站的一个“粒子”。PSO算法的基本思想是从随机解出发，通过追随当前最优解来寻找全局最优解。*7.3.1粒子群算法的计算模型第i个粒子有哪些信誉好的足球投注网站到的当前最优位置为：粒子群有哪些信誉好的足球投注网站到的当前最优位置为：第i个粒子的位置和速度更新公式为：式中，和为为学习因子，也称加速常数，用来调节粒子飞向自身最好位置方向的步长，用来调节粒子向全局最好位置飞行的步长，通常取，和为[0,1]范围内的均匀随机数。称为基本粒子群优化算法（basicparticleswarmoptimization，BPSO）模型。*由三部分组成：第一部分为“惯性”部分，反映粒子的运动惯性，代表粒子有维持自己先前速度的趋势；第二部分为“认知”部分，反映粒子对自身历史经验的记忆，代表粒子有向自身历史最佳位置逼近的趋势，是一个增强学习的过程；第三部分为“社会”部分，反映粒子间协同合作与知识共享的群体历史经验，代表粒子有向群体或邻域历史最佳位置逼近的趋势。在有哪些信誉好的足球投注网站过程中，粒子一方面记住它们自己的经验，同时考虑其同伴的经验。当单个粒子察觉同伴经验较好的时候，它将进行适应性的调整，寻求一致认知过程。*在BPSO模型存在的问题粒子的飞行速度相当于有哪些信誉好的足球投注网站步长，过大的有哪些信誉好的足球投注网站步长很容易使粒子飞越最优解，使算法难以收敛；当粒子的有哪些信誉好的足球投注网站步长过小时，尽管能够保证算法局部区域的精细有哪些信誉好的足球投注网站，但却直接导致算法全局探测能力降低。为达到算法局部开采和全局探测之间的有效平衡，必须对粒子的飞行速度采取有效的控制与约束。为了提高粒子群优化算法的性能，Shi和Eberhart在基本粒子群优化算法模型中引入了惯性权重以控制粒子飞行的速度。计算模型如下：*称为惯性权重，通过该权重可以调节飞行中惯性的大小。引入惯性权重的粒子群优化计算模型通常被称为标准粒子群优化(standardparticleswarmoptimization，SPSO)算法。*粒子群算法的具体步骤:（1）算法初始化。设置粒子群算法参数，包括粒子群数目N，粒子的维度D，粒子飞行的最大速度、最小速度，最大迭代次数，惯性权值，并置当前迭代次数；（2）在有哪些信誉好的足球投注网站范围内随机初始化每个粒子的位置和速度计算每个粒子的适应度值，并将当前粒子的位置和适应值存储在中，将所有粒子的中适应值最好的个体存储在中；（3）开始循环，根据公式（1）和（2）更新粒子的速度和位置，如果粒子的速度和位置超出最大值和边界值，则按最值计算。*（4）计算当前迭代下每个粒子的适应度函数值，比较更新和；（5）判断迭代是否满足终止标准（如收敛到指定精度，或达到最大迭代次数），若满足，则算法停止，进入步骤6，否则，返回步骤3。（6）输出最优粒子的值。PSO算法最大的优点是不需要调节太多的参数，但是算法中少数几个参数却直接影响算法的性能以及收敛性。然而，PSO算法参数的选择在很大程度上依赖于经验。