在解决离散型问题，基本GA和基本PSO算法的比较？

[vera栎]

如题，
请问大家在解决离散型的问题上，比如TSP问题，基本的遗传算法（GA）和基本粒子群算法（PSO）有何区别呢？ 哪个更好些呢？
对这两种算法了解的亲，请分享下经验吧~谢啦！

[Evankaka]

我研究过, 1.GA是比较复杂的，PSO相对简单 2.PSO可能陷入局部最优（特别是对于多峰函数），GA能找到全局最优。 3.PSO收敛速度会快一些，毕竟它简单，不像GA要交叉、变异 综合以上，推荐你好好研究GA-PSO，将交叉和变异的思想引入到PSO中，这样能综合两者的优点！

[Evankaka]

基于GA-PSO算法求解TSP问题的最短总距离为463.6541km,而用GA求解最短总距离为624.7155km，距离缩短了161.0614km,进而缩短了交通的费用，从而我们可以知道GAPSO算法比GA算法的寻优能力更强，所找到的解更好；
其次，我们从两个图的最终规划路线果来看，发现GA-PSO算法规划的路线比较平稳，没有特别长的路线，而在GA规划的路线中，发现了好几条较长的路线，并且路线之间的交叉是有好几个，然后GA-PSO只有一个，这就说明了，GA-PSO所找到规划路线，远远优胜于GA规划的路线。

[Evankaka]

第一张图是GA-PSO的。。

[vera栎]

引用 1 楼 Evankaka 的回复:

我研究过, 1.GA是比较复杂的，PSO相对简单 2.PSO可能陷入局部最优（特别是对于多峰函数），GA能找到全局最优。 3.PSO收敛速度会快一些，毕竟它简单，不像GA要交叉、变异 综合以上，推荐你好好研究GA-PSO，将交叉和变异的思想引入到PSO中，这样能综合两者的优点！

谢谢亲~这么详细的介绍~现在在研究一个和TSP相近的离散组合优化问题，初试PSO算法，加入了交叉操作，却发现多次迭代得出的结果还不如GA，特别容易陷入局部最优。按编的情况来说，原以为pso是该更快更好的得到结果的。。。所以很困惑……看来初学者还有很长的路要走啊！

[Evankaka]

引用 4 楼 u013599381 的回复:

[quote=引用 1 楼 Evankaka 的回复:] 我研究过, 1.GA是比较复杂的，PSO相对简单 2.PSO可能陷入局部最优（特别是对于多峰函数），GA能找到全局最优。 3.PSO收敛速度会快一些，毕竟它简单，不像GA要交叉、变异 综合以上，推荐你好好研究GA-PSO，将交叉和变异的思想引入到PSO中，这样能综合两者的优点！

谢谢亲~这么详细的介绍~现在在研究一个和TSP相近的离散组合优化问题，初试PSO算法，加入了交叉操作，却发现多次迭代得出的结果还不如GA，特别容易陷入局部最优。按编的情况来说，原以为pso是该更快更好的得到结果的。。。所以很困惑……看来初学者还有很长的路要走啊！[/quote] PSO就是能容易陷入局部最优，有个好的粒子找到最好解后，大家都往它那儿跑。。所以就容易陷入。 可以有3种混合思想来改进 1.混沌粒子群 2.免疫粒子群 3.遗传粒子群（交叉可以采用实数交叉，把变异也一起引入，这样效果会大大改变）

[vera栎]

引用 5 楼 Evankaka 的回复:

[quote=引用 4 楼 u013599381 的回复:] [quote=引用 1 楼 Evankaka 的回复:] 我研究过, 1.GA是比较复杂的，PSO相对简单 2.PSO可能陷入局部最优（特别是对于多峰函数），GA能找到全局最优。 3.PSO收敛速度会快一些，毕竟它简单，不像GA要交叉、变异 综合以上，推荐你好好研究GA-PSO，将交叉和变异的思想引入到PSO中，这样能综合两者的优点！

谢谢亲~这么详细的介绍~现在在研究一个和TSP相近的离散组合优化问题，初试PSO算法，加入了交叉操作，却发现多次迭代得出的结果还不如GA，特别容易陷入局部最优。按编的情况来说，原以为pso是该更快更好的得到结果的。。。所以很困惑……看来初学者还有很长的路要走啊！[/quote] PSO就是能容易陷入局部最优，有个好的粒子找到最好解后，大家都往它那儿跑。。所以就容易陷入。 可以有3种混合思想来改进 1.混沌粒子群 2.免疫粒子群 3.遗传粒子群（交叉可以采用实数交叉，把变异也一起引入，这样效果会大大改变）[/quote] 谢啦~这三种思想会尝试加入的！继续研究和实验，以后再和您交流啦~

[Zq9594]

请问，pso优化pts算法降低系统峰均比，程序怎么写，跪求大神。万分感激。

[赵4老师]

百度搜相关关键字。