多目标优化---粒子群算法(PSO)(1)

多目标优化—粒子群算法（PSO）

1 背景
2 算法介绍
3 算法流程
4 例子说明

1 背景：

粒子群算法（ Particle Swarm Optimization, PSO）最早是由Eberhart和Kennedy在1995年提出来的， 粒子群算法的特点是简单易行，收敛速度快，设置参数少， 已经成为现代优化领域的热点。

粒子群算法的概念源于对 鸟群觅食行为 的研究。设想这样一个场景：一群鸟在随机搜寻食物，在这个区域里只有一块食物，所有的鸟都不知道食物在哪里，但是它们知道当前的位置离食物还有多远。采用最简单有效的策略寻找鸟群中离食物最近的个体来进行搜索

2 算法介绍：

每个问题的解，想象成为一只鸟，称为“粒子”，所有粒子在N维空间中搜索， 每个粒子只有两个属性：位置和速度，速度代表移动的快慢，位置代表移动的方向。 粒子的当前位置为对应优化问题的一个候选解，粒子的飞行过程为该个体的搜索过程．粒子的飞行速度可根据粒子历史最优位置和种群历史最优位置进行动态调整．每个粒子单独搜寻的最优解叫做个体极值，粒子