**

粒子群算法（PSO）

**

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

*PSO算法流程如圖所示（此圖是從PPT做好，復制過來的，有些模糊）*

二.PSO模擬社會的三條規則：

①飛離最近的個體，以避免碰撞

②飛向目標（認知行為）——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（有邊界的標量非線性最小化） GlobalSearch（全局搜索）

左圖為用fminbnd函數求解情況；右圖為用GlobalSearch 在[0,20]內求解情況。

由右圖所示結果可以看出，采用fmincon進行有約束的非線性最小化求解，容易進入局部最優解；fminbnd在進行非線性最小化求解也容易掉進局部最優，導致在非連續函數下，使得求解結果不收斂。GlobalSearch在[0,20]內進行非線性最小化求解能夠很精確地尋最優值。

但是由于基本的粒子群算法不滿足
因此它不是全局收斂。

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

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的陷阱， 從而達到全局最優。（圖見下·面可知）

PSO算法是一種很基礎的全局搜索算法，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w的改進：https://editor.csdn.net/md/?articleId=86634811

更新于 2020.04.25

謝謝大家！！！

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。