粒子演算法通過一些無質量的粒子來模擬鳥群種的鳥，粒子具有兩個屬性：速度和位置。速度代表粒子移動速度的快慢，位置代表當前的位置。每個粒子在搜尋空間中單獨的尋找搜尋最優解，並記為當前粒子的最優解，即下面符號說明中的1。每個粒子的最優解與整個粒子群中的其他粒子進行粒子共享，找到最優的那個個體最優解作為整個粒子群的全域性最優解，即下面符號說明中的2。粒子群中的所有粒子的位置和速度的更新依據當前個體值的最優解和整個粒子群的最優解來進行調整。
第一項稱為記憶項，表示上一次當前節點的速度和位置
第二項稱為自身認知項，表示當前粒子對自身粒子更新的影響
第三項稱為群體認知項，表示當目前位置全域性最優解對當前粒子更新的影響，反映了粒子之間的協作。
權重ω。也可以叫做慣性因子，表示上一次的位置對此次更新的影響程度。這個值越大，全域性尋優能力越強，區域性尋優能力越弱；這個值越小，全域性尋優能力越弱，區域性尋優能力越強。動態的ω比靜態的ω能更好尋找到最優解。一般採用線性遞減的策略。公式如下：
簡單容易實現，並且沒有許多引數的調節
粒子群優化演算法 PSO
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 pso的優勢 在於簡單容易實現並且沒有許多引...
粒子群優化演算法 PSO
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 pso的優勢 在於簡單容易實現並且沒有許多引...
粒子群優化演算法 PSO
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 pso的優勢 在於簡單容易實現並且沒有許多引...