西安交通大学：《工程优化方法及其应用》研究生课程教学课件（PPT讲稿）13 全局优化算法之粒子群算法 Particle Swarm Optimizatio（PSO）

全局优化算法

1 全局优化算法

内容概论遗传算法粒子群算法蚁群算法

2 内容 ⚫概论 ⚫遗传算法 ⚫粒子群算法 ⚫蚁群算法

粒子群优化算法Particle Swarm Optimizatio(PSO)

3 粒子群优化算法 Particle Swarm Optimizatio(PSO)

目录绪论基本粒子群算法粒子群算法改进粒子群算法与进化算法的异同粒子群算法理论分析工具粒子群算法的应用

4 目录 ⚫ 绪论 ⚫ 基本粒子群算法 ⚫ 粒子群算法改进 ⚫ 粒子群算法与进化算法的异同 ⚫ 粒子群算法理论分析工具 ⚫ 粒子群算法的应用

绪论粒子群优化算法源于1987年Reynolds对鸟群社会系统的仿真研究一群鸟在空中飞行，每个鸟遵守以下三条规则：1）避免与相邻的鸟发生碰撞冲突，2）尽量与自已周围的鸟在速度上保持协调和一致3）尽量试图向自已所认为的群体中心靠近。仅通过使用这三条规则，该仿真系统就出现非常逼真的群体聚集行为，鸟成群地在空中飞行当遇到障碍时它们会分开绕行而过，随后又会重新形成群体。5

5 绪论 粒子群优化算法源于1987年Reynolds对鸟群社 会系统的仿真研究.一群鸟在空中飞行，每个鸟遵 守以下三条规则： 1）避免与相邻的鸟发生碰撞冲突； 2）尽量与自己周围的鸟在速度上保持协调和一致； 3）尽量试图向自己所认为的群体中心靠近。 仅通过使用这三条规则，该仿真系统就出现 非常逼真的群体聚集行为，鸟成群地在空中飞行， 当遇到障碍时它们会分开绕行而过，随后又会重 新形成群体

1221/05Particle Swarms OptimizationDM course鳥群（魚群）行為粒子群特性BionicComputingBionic Computing Lab,2005ChungYuanChristianUniversity

6 Bionic Computing Lab, 2005 Bionic Computing Chung Yuan Christian University 12/21/05 DM course 鳥群(魚群)行為 Particle Swarms Optimization 粒子群特性

绪论Reynolds仅仅将其作为复杂适应系统的一个实例作仿真研究，而并未将它用于优化计算中。Kennedy和Eberhart在中加入了一个特定点，定义为食物，鸟根据周围鸟的觅食行为来寻找食物。他们的初裹是希望通过这种模型来模拟鸟群寻找食源的现象，然而实验结果却揭示这个仿真模型中蕴涵着很强的优化能力，尤其是在多维空间寻优中

7 绪论 Reynolds仅仅将其作为复杂适应系统的 一个实例作仿真研究，而并未将它用于优化 计算中 。 Kennedy和Eberhart在中加入了一个 特定点，定义为食物，鸟根据周围鸟的觅食 行为来寻找食物。他们的初衷是希望通过这 种模型来模拟鸟群寻找食源的现象，然而实 验结果却揭示这个仿真模型中蕴涵着很强的 优化能力，尤其是在多维空间寻优中

绪论粒子群优化算法（PSO，是一种以群体为基础(Population-based）的最优化搜索技术。·由James Kennedy 和Russell Eberhart 两位学者1995年所提出[Kennedy,J.andEberhart,R.(1995).“ParticleSwarmOptimization",Proceedingsofthe1995IEEEInternationalConferenceonNeuralRussellEberhartNetworks,pp.1942-1948,IEEEPress.J8

8 绪论 ⚫ 粒子群优化算法 (PSO)，是一种以群体为基础 (Population-based) 的最优化搜索技术。 ⚫ 由 James Kennedy 和 Russell Eberhart 两位学者 1995年所提出 Russell Eberhart [Kennedy, J. and Eberhart, R. (1995). “Particle Swarm Optimization”, Proceedings of the 1995 IEEE International Conference on Neural Networks, pp. 1942-1948, IEEE Press.]

Particle Swarm Optimization算法模拟鸟集群飞行觅食的行为，鸟之间通过集体的协作使群体达到最优目的.算法简单，搜索能力强大已经成功应用于许多优化问题

9 Particle Swarm Optimization ⚫ 算法模拟鸟集群飞行觅食的行为， 鸟之间通过集体的协作使群体达到 最优目的. ⚫ 算法简单，搜索能力强大 ⚫ 已经成功应用于许多优化问题

粒子群算法思想PSO中，每个优化问题的解都被想像为搜索空间中的一只鸟，称为粒子（Particle)。所有的粒子都有一个由被优化的函数决定的适应值，以判断目前位置的好坏。每一个粒子赋予记忆性，能记得所寻得的最佳位置。每个粒子都有自已的位置和速度，以决定他们飞翔的方向和距离。10

10 粒子群算法思想 ⚫ PSO中，每个优化问题的解都被想像为搜索空间 中的一只鸟，称为粒子(Particle)。 ⚫ 所有的粒子都有一个由被优化的函数决定的适应 值,以判断目前位置的好坏。 ⚫ 每一个粒子赋予记忆性，能记得所寻得的最佳位 置。 ⚫ 每个粒子都有自己的位置和速度，以决定他们飞 翔的方向和距离