我前面的部落格已經介紹了通過遺傳演算法綜合陣列天線的方向圖，這次通過粒子群演算法綜合陣列天線，並比較兩種演算法在綜合陣列天線時的差異。粒子群演算法是通過python的演算法工具箱scikit-opt實現的，對演算法進行了些修改，包括整數編碼，每個變數進行單獨的區間限制等。遺傳演算法同樣是基於演算法工具箱進行了修改。通過對不同種群大小和不同迭代次數的**，可以發現，粒子群演算法的收斂速度遠快於遺傳演算法，但是比較容易陷入區域性收斂，遺傳演算法在多次迭代的平均效果是要由於粒子群演算法的。
下圖展示了不同種群大小和不同迭代次數下粒子群演算法和遺傳演算法的綜合效果
下圖左邊時粒子群演算法的適應度曲線，右邊是遺傳函式的適應度曲線
粒子群演算法和遺傳演算法在消耗時間上是基本一致的，其中粒子群演算法的收斂速度特別快，因為它的進化是有方向的，但是如果是比較複雜的問題，維數多，可能有週期性重複的極值時，粒子群演算法容易陷入區域性收斂，不容易獲得良好的解。遺傳演算法收斂比較慢，因為交叉和變異因子的存在，相對與粒子群演算法更容易跳出區域性收斂，活得更好的解。
粒子群演算法和遺傳演算法的比較 退火演算法
粒子群優化演算法 pso particle swarm optimization 是一種進化計算技術 evolutionary computation 源於對鳥群捕食的行為研究。粒子群優化演算法的基本思想 是通過群體中個體之間的協作和資訊共享來尋找最優解 通過模擬鳥群覓食過程中的遷徙和群聚行為而提出...
進化演算法 遺傳演算法與粒子群演算法之間的比較
遺傳演算法 ga 作為一種經典的進化演算法，自 holland提出之後在國際上已經形成了乙個比較活躍的研究領域.人們對 ga 進行了大量的研究，提出了各種改進演算法用於提高演算法的收斂速度和精確性.遺傳演算法採用選擇，交叉，變異操作，在問題空間搜尋最優解.經典遺傳演算法首先對引數進行編碼，生成一定數...
進化演算法 遺傳演算法與粒子群演算法之間的比較
遺傳演算法 ga 作為一種經典的進化演算法，自 holland提出之後在國際上已經形成了乙個比較活躍的研究領域.人們對 ga 進行了大量的研究，提出了各種改進演算法用於提高演算法的收斂速度和精確性.遺傳演算法採用選擇，交叉，變異操作，在問題空間搜尋最優解.經典遺傳演算法首先對引數進行編碼，生成一定數...