文章目录
一、群粒子算法
-
- 一、群粒子算法
-
- 1.1 算法介绍
- 1.2 速度和位置
- 1.3 速度和位置的更新
- 1.4 算法流程
- 1.5 学习因子c1、c2
- 1.6 相关符号说明
- 1.7 核心公式
- 1.8 参数对粒子群算法的影响
- 二、案例实现
-
- 2.1 函数处理
- 2.2 PSO算法
- 2.3 可视化最优解
- 2.4 封装代码
粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation),1995 年由Eberhart 博士和kennedy 博士提出,源于对鸟群捕食的行为研究 。该算法最初是受到飞鸟集群活动的规律性启发,进而利用群体智能建立的一个简化模型。粒子群算法在对动物集群活动行为观察基础上,利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的演化过程,从而获得最优解。
关注
打赏