粒子群優化演算法思考

一．粒子群演算法和真正模型的區別：

粒子群優化演算法是根據飛鳥覓食的模型設計的演算法，模型和真正的飛鳥覓食的過程有一些不同之處。

1．離散和連續的不同：飛鳥飛行的過程中是進行連續的飛行，路途中的所有「線」組成了可覓食的位置；模型中的粒子的運動是離散的，是由「點」所組成的可覓食位置。如果在模型中的粒子速度過大，可能「飛過」目標的位置，速度太小可能導致收斂速度過慢，所以說設定合適的速度是粒子群演算法的關鍵所在。

2．可驗證和不可驗證的不同：飛鳥覓食的過程中能夠確定地知道是否找到了真值，但是在粒子群優化演算法中存在兩種情況:

① 可驗證：在求解單調函式的零值的過程中，求得的解x可以代入f(x)進行驗證是否有f(x) = 0；

② 不可驗證：在求解函式最小值的時候，由於是在解空間裡搜尋，沒有一種驗證是否是最小值得方法，只能找到粒子飛行「離散點集」的極小值。

③ 根據具體問題的改進：可驗證問題如果收斂的值不對可以重新使其發散尋找，並設定下一次的隨機結構產生乙個該極小點的排斥分量；不可驗證問題只能設定相對較小的運動慣性分量使速度不至於過大，保證收斂一次收斂至最小值，或多次執行程式。