分类：粒子群算法

2022
07-06

Python代码实现粒子群算法图文详解

目录1.引言2.算法的具体描述：2.1原理2.2标准粒子群算法流程3.代码案例3.1问题3.2绘图 3.3计算适应度3.4更新速度3.5更新粒子位置3.6主要算法过程结果总结1.引言粒子群优化算法起源于对鸟群觅食活动的分析。鸟群在觅食的时候通常会毫无征兆的聚拢，分散，以及改变飞行的轨迹，但是在不同个体之间会十分默契的保持距离。所以粒子群优化算法模拟鸟类觅食的过程，将待求解问题的搜索空间看作是鸟类飞行的空间，将每只鸟抽象成一个... 继续阅读 >

2021
02-21

Python实现粒子群算法的示例

粒子群算法是一种基于鸟类觅食开发出来的优化算法，它是从随机解出发，通过迭代寻找最优解，通过适应度来评价解的品质。PSO算法的搜索性能取决于其全局探索和局部细化的平衡，这在很大程度上依赖于算法的控制参数，包括粒子群初始化、惯性因子w、最大飞翔速度和加速常数与等。PSO算法具有以下优点：不依赖于问题信息，采用实数求解，算法通用性强。需要调整的参数少，原理简单，容易实现，这是PSO算法的最大优点。协同搜索，同时利... 继续阅读 >

2020
10-15

python实现粒子群算法

粒子群算法粒子群算法源于复杂适应系统（ComplexAdaptiveSystem,CAS）。CAS理论于1994年正式提出，CAS中的成员称为主体。比如研究鸟群系统，每个鸟在这个系统中就称为主体。主体有适应性，它能够与环境及其他的主体进行交流，并且根据交流的过程“学习”或“积累经验”改变自身结构与行为。整个系统的演变或进化包括：新层次的产生（小鸟的出生）；分化和多样性的出现（鸟群中的鸟分成许多小的群）；新的主题的出现（鸟寻找食物... 继续阅读 >