思想起源 口粒子群算法的思想源于对鸟群捕食行为的研究： 口模拟鸟集群飞行觅食的行为，鸟之间通过集体的协作使群 体达到最优目的，是一种基于Swarm Intelligence的优化 方法 ▣马良教授在他的著作《蚁群优化算法》 一书的前言中写到： “自然界的蚁群、鸟群、鱼群 羊群、 牛群、蜂群等，其实时时刻刻都在给予 我们以某种启示，只不过我们常常忽略了 大自然对我们的最大恩赐！
粒子群算法的基本思想 q 粒子群算法的思想源于对鸟群捕食行为的研究． q 模拟鸟集群飞行觅食的行为，鸟之间通过集体的协作使群 体达到最优目的，是一种基于Swarm Intelligence的优化 方法。 q 马良教授在他的著作《蚁群优化算法》一书的前言中写到： q 大自然对我们的最大恩赐！ “自然界的蚁群、鸟群、鱼群、 羊群、牛群、蜂群等，其实时时刻刻都在给予 我们以某种启示，只不过我们常常忽略了 大自然对我们的最大恩赐！......” 思想起源
思想起源 粒子群特性 ○
思想起源
思想起源 设想这样一个场景：一群鸟在随机搜索食物 在这块区域里只有一块食物； 已知所有的鸟都不知道食物在哪里； 但它们能感受到当前的位置离食物还有多远 那么：找到食物的最优策略是什么呢？ 搜寻目前离食物最近的鸟的周围区域 根据自己飞行的经验判断食物的所在。 PSO正是从这种模型中得到了启发. PSO的基础： 信息的社会共享
粒子群算法的基本思想 设想这样一个场景：一群鸟在随机搜索食物 在这块区域里只有一块食物; 所有的鸟都不知道食物在哪里; 但它们能感受到当前的位置离食物还有多远. 已知 那么:找到食物的最优策略是什么呢？ 搜寻目前离食物最近的鸟的周围区域 ． 根据自己飞行的经验判断食物的所在。 PSO正是从这种模型中得到了启发． PSO的基础: 信息的社会共享 思想起源
基本原理 口每个寻优的问题解都被想像成一只鸟，称为“粒子”。所 有粒子都在一个D维空间进行搜索。 口所有的粒子都由一个fitness function 确定适应值以判断目 前的位置好坏。 口每一个粒子必须赋予记忆功能，能记住所搜寻到的最佳位 置。 口 每一个粒子还有一个速度以决定飞行的距离和方向。这个 速度根据它本身的飞行经验以及同伴的飞行经验进行动态 调整
算法介绍 q 每个寻优的问题解都被想像成一只鸟，称为“粒子” 。所 有粒子都在一个D维空间进行搜索。 q 所有的粒子都由一个fitness function 确定适应值以判断目 前的位置好坏。 q 每一个粒子必须赋予记忆功能，能记住所搜寻到的最佳位 置。 q 每一个粒子还有一个速度以决定飞行的距离和方向。这个 速度根据它本身的飞行经验以及同伴的飞行经验进行动态 调整。 基本原理
基本原理 ■生物学家对鸟（鱼）群捕食的行为研究 ■社会行为(Social-Only Model) ■个体认知(Cognition-Only Model)
n 生物学家对鸟(鱼)群捕食的行为研究 n 社会行为 (Social-Only Model) n 个体认知 (Cognition-Only Model) 基本原理