粒子群算法（POS）简介及应用——非常适合小白

1. 简介

  粒子群优化算法(Particle Swarm Optimization,PSO)是一种基于鸟类觅食提出来的进化计算技术，由电气工程师Eberhart博士和美国社会心理学家Kennedy博士发明，是一种基于迭代的优化工具。
  该算法的基本思想是通过群体中个体之间的协作和信息共享来寻找最优解。由于没有遗传算法的交叉、变异，粒子群算法更容易实现。

2. 基本运算过程

1）参数初始化

需要设置以下几项：

• 迭代次数

• 群体规模N。一般取20-60，复杂问题取100-200。
    N过小，容易陷入局部最优； N过大，优化能力很好，但收敛速度慢。

• 最大速度Vm，最小速度-Vm。一般为每一维度变量变化范围的10%-30%。
    作用在于维护算法的探索能力与开发能力的平衡。
    较大，增强了全局搜索能力，但粒子容易飞过目标区域，导致局部搜索能力下降。
    较小，开发能力增强，但会极大地增加全局搜索的时间，容易陷入局部最优。

• 变量取值范围Xm，-Xm。

• 认知常数(学习因子、加速度常数)c1 c2 。c1=c2，取0- 4之间， 通常取2。
    c1=0&