摘要:粒子群优化算法(Particle Swarm optimization,PSO)又翻译为粒子群算法、微粒群算法、或微粒群优化算法. 是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法,通常认为它是群集智能 (Swarm intelligence, SI) 的一种,是由Eberh博士和kennedy博士提出的. 通过鸟之间的集体协作使群体的达到最优,尽管每个个体的行为准则是很简单的,但总体组合起来的行为是很复杂的. PSO基于群体迭代,群体在解空间中追随最优粒子进行搜索. 其优势在于简单容易实现,与此同时优有非常深刻的智能背景,即符合科学研究,又特别适合工程应用. 假设一个区域,所有的鸟都不知道食物的位置,但是它们知道当前位置离食物还有多远,每个解看作一只鸟,称为“粒子(particle)”,所有的粒子都有一个适应值,每个粒子都有一个速度决定它们的飞翔方向和距离,粒子们追随当前最优粒子在解空间中搜索. 初始化为一群随机粒子,通过迭代找到最优. 每次迭代中,粒子通过跟踪“个体极值(pbest)”和“全局极值(gbest)”来更新自己的位置.