首先，我是參考的這個專欄的的博文，感覺理解起來還行，但是由於我個人的原因，時間的關係暫時先做如下總結，往後有機會再拾起的研究的話再更新更正。如果有什麼理解不對的或者需要補充的，歡迎各位指正，謝謝。
之前已經把粒子群的基本思想已經理清了，剩下的還有優化和實現。
全域性最優和區域性最優的選擇
之前說的速度位置跟新函式中，需要對比一項有和其他粒子的比較，以檢視當前的自身的狀態在群體中水平，所以對比有區域性和全域性之後，當然最後的比較肯定是全域性的對比，因為剛開始都是隨機散落，全域性對比沒有多大的參考意義，往後大家的目的相近，可以參考的意義大大提公升，所以才有了區域性的說法。
區域性，那麼必然會存在怎麼劃分區域，誰和誰是在乙個區域內的，怎麼才算是乙個區域內的。這裡有兩種劃分，乙個是基於序號，博文上的圖很好理解，大家可以去看看，這裡我就不多說了。還有一種是基於粒子的歐式距離，事先定義乙個閾值，每次迭代的時候計算出每個粒子的歐式距離（兩個粒子間的距離/任何兩個粒子間的最大距離）在這個閾值之內，就認為他們是鄰域的。博文上說實驗出來的結果還不錯，但是計算量有點大。
//還有幾種適應度函式的評價，我也沒看懂，而且那是07年的博文了，可能還會出現新的適應度函式。
更新：好吧，我理解錯了，其實適應度函式就是需要求解的函式。
//忘記了還有收斂和區域性最優的問題了，先保留
更新：博文中有說，經過實踐證明：全域性版本的粒子群演算法收斂速度快，但是容易陷入區域性最優。區域性版本的粒子群演算法收斂速度慢，但是很難陷入區域性最優。也即可能得到的是極值點而不是最值點。現在的粒子群演算法大都在收斂速度與擺脫區域性最優這兩個方面下功夫。其實這兩個方面是矛盾的。看如何更好的折中了。
粒子群優化演算法 粒子群演算法
粒子群演算法 particle swarm optimization，pso 屬於進化演算法的一種，該演算法最初是受到飛鳥集群活動的規律性啟發，進而利用群體智慧型建立的乙個簡化模型。粒子群演算法在對動物集群活動行為觀察基礎上，利用群體中的個體對資訊的共享使整個群體的運動在問題求解空間中產生從無序到有...
粒子群演算法
如前所述，pso模擬鳥群的捕食行為。設想這樣乙個場景 一群鳥在隨機搜尋食物。在這個區域裡只有一塊食物。所有的鳥都不知道食物在那裡。但是他們知道當前的位置離食物還有多遠。那麼找到食物的最優策略是什麼呢。最簡單有效的就是搜尋目前離食物最近的鳥的周圍區域。pso從這種模型中得到啟示並用於解決優化問題。ps...
粒子群演算法
一 粒子群演算法的歷史 粒子群演算法源於複雜適應系統 complex adaptive system,cas cas理論於1994年正式提出，cas中的成員稱為主體。比如研究鳥群系統，每個鳥在這個系統中就稱為主體。主體有適應性，它能夠與環境及其他的主體進行交流，並且根據交流的過程 學習 或 積累經驗...