33,028
社区成员
发帖
与我相关
我的任务
分享请发表友善的回复…
发表回复
arrowcy 2005-03-27
- 打赏
- 举报
其实粒子群实现起来的难度和遗传算法也差不了多少，一个时跟新当前群体的组成，一个是跟新当前群体的状态
galois_godel 2005-03-26
- 打赏
- 举报
算法流程
1.Initial：
将群族做初始化，以随机的方式求出每一Particle 之初始位置与速度。
2.Evaluation：
依据fitness function 计算出其fitness value 以作为判断每一Particle之好坏。
3.Fine the Pbest：
找出每一Particle 到目前为止的搜寻过程中最佳解，这个最佳解我们将之称为Pbest。
4.Fine the Gbest：
找出所有Particle 到目前为止所搜寻到的整体最佳解，此最佳解我们称之为Gbest。
5.Update the Velocity：
依据式(1) 与式(2) 更新每一Particle之速度与位置。
6.回到步骤2. 继续执行，直到获得一个令人满意的结果或符合终止条件为止。
1.Initial：
将群族做初始化，以随机的方式求出每一Particle 之初始位置与速度。
2.Evaluation：
依据fitness function 计算出其fitness value 以作为判断每一Particle之好坏。
3.Fine the Pbest：
找出每一Particle 到目前为止的搜寻过程中最佳解，这个最佳解我们将之称为Pbest。
4.Fine the Gbest：
找出所有Particle 到目前为止所搜寻到的整体最佳解，此最佳解我们称之为Gbest。
5.Update the Velocity：
依据式(1) 与式(2) 更新每一Particle之速度与位置。
6.回到步骤2. 继续执行，直到获得一个令人满意的结果或符合终止条件为止。
galois_godel 2005-03-26
- 打赏
- 举报
粒子群优化算法是一种基于群智能方法的演化计算技术。同遗传算法类似， 是一种基于群体
的优化工具。系统初始化为一组随机解，通过迭代搜寻最优值。但是并没有遗传算法用的交叉以及变
异操作，而是粒子（潜在的解）在解空间追随最优的粒子进行搜索。与遗传算法比较，优势在于简单容易实
现同时又有深刻的智能背景，既适合科学研究，又特别适合工程应用
的优化工具。系统初始化为一组随机解，通过迭代搜寻最优值。但是并没有遗传算法用的交叉以及变
异操作，而是粒子（潜在的解）在解空间追随最优的粒子进行搜索。与遗传算法比较，优势在于简单容易实
现同时又有深刻的智能背景，既适合科学研究，又特别适合工程应用
