使用Python实现粒子群算法及完整代码

使用Python实现粒子群算法及完整代码

粒子群算法（Particle Swarm Optimization，PSO）是一种基于群体智能的优化算法。该算法通过模拟鸟群等生物个体的群体行为，从而寻找到最优解。本文将介绍如何使用Python实现粒子群算法，并提供完整源代码。

PSO算法基本原理：

1. 初始化种群：随机生成一定数量的粒子，每个粒子代表一个候选解。
2. 计算适应度：根据目标函数计算每个粒子的适应度，即目标函数的值。
3. 更新个体最优解：对于每个粒子，将其当前位置设置为该粒子的最优位置（历史最佳位置）。
4. 更新全局最优解：对于整个种群，将具有最小适应度的粒子的位置设置为全局最优位置。
5. 更新速度和位置：根据当前速度和加速度更新粒子的速度和位置。
6. 判断终止条件：如果满足终止条件，则输出结果，否则返回步骤3。

下面是Python实现PSO算法的代码：

import random
import numpy as np

目标函数

def obj_func(x):
return x[0]**2 + x[1]**2

class Particle:
def init(self, dim, minx, maxx):
self.__pos = np.array([random.uniform(minx, maxx) for _ in range(dim)]) # 当前位置
self.__vel = np.array([0.0 for _