16、群体算法：粒子群优化与蚁群系统详解

群体算法：粒子群优化与蚁群系统详解

1. 群体智能概述

群体智能是对受“集体智能”启发的计算系统的研究。集体智能通过环境中大量同质主体的合作而产生，例如鱼群、鸟群和蚁群。这种智能具有去中心化、自组织和分布式的特点，在自然界中常用于解决诸如高效觅食、躲避捕食者或蚁群迁移等问题。信息通常存储在参与的同质主体中，或者通过环境本身进行存储和交流，比如蚂蚁使用信息素、蜜蜂跳舞以及鱼和鸟的接近程度。

群体智能主要包含两个主要子领域：
- 蚁群优化：研究受蚂蚁的激励机制和觅食行为启发的概率算法。
- 粒子群优化：研究受鸟类群聚、鱼类群游和牧群行为启发的概率算法。

与进化计算一样，群体智能的“算法”或“策略”被视为自适应策略，通常应用于搜索和优化领域。

除了上述两个主要子领域，还有许多其他相关算法：
- 蚂蚁算法 ：如最大最小蚂蚁系统、基于排名的蚂蚁系统、精英蚂蚁系统、超立方体蚁群优化、近似非确定性树搜索（ANTS）和多蚁群系统。
- 蜜蜂算法 ：如蜜蜂系统和蜂群优化、蜜蜂算法和人工蜂群优化。
- 其他社会性昆虫算法 ：受蚂蚁和蜜蜂之外的其他社会性昆虫启发的算法，如火算法和黄蜂群算法。
- 粒子群扩展算法 ：如排斥粒子群优化。
- 细菌算法 ：如细菌趋化算法。

2. 粒子群优化

2.1 分类

粒子群优化属于群体智能和集体智能领域，是计算智能的一个子领域。