粒子群优化算法

免责声明：本文仅代表个人观点，如有错误，请读者自己鉴别；如果本文不小心含有别人的原创内容，请联系我删除；本人心血制作，若转载请注明出处

本文出处：本博客是根据 “何同弟” 的博士论文 “高光谱图像的分类技术研究”的“粒子群优化算法”一节而写，大部分细节皆取自此文，如有兴致，请直接查看原文。

1、与其他进化算法一样，也是基于“种群”和“进化”的概念，通过个体间的协作与竞争，实现复杂空间最优解的搜索；同时，PSO 又不像其他进化算法那样对个体进行交叉、变异、选择等进化算子操作，而是将群体(swarm) 中的个体看作是在D 维搜索空间中没有质量和体积的粒子(particle) ，每个粒子以一定的速度在解空间运动，并向自身历史最佳位置pbest 和邻域历史最佳位置gbest聚集，实现对候选解的进化。其实现步骤如下:

①、初始化种群数量，使他们随机分布在平面上；

②、根据模型评估每个粒子的位置；

③、如果一个粒子当前的位置比它之前的pbest好，则更新此位置为pbest

④、确定全局最优位置pbest

⑤、根据如下公式更新每个粒子的速度，c1和c2为学习因子，也称加速常数，r1和r2为[0,1]范围内的均匀随机数。

⑥、根据如下公式更新每个粒子的位置。

⑦、返回第2步重新迭代，直到满足停止条件。

2、PSO的工作流程如下。