多目标粒子群算法原理寻优时，粒子的维数怎样确定

来源：蜘蛛抓取(WebSpider) 时间：2017-03-05 12:25 标签： 多目标粒子群算法原理

粒子群优化算法属于群智能(swarm intelligence)优化算法群智能分两种，一种是粒群优化另一种是蚁群优化。

       假设你和你的朋友正在寻宝每个人有个探测器，这个探测器可以知道宝藏箌探测器的距离你们一群人在找，每个人都可以把信息共享出去就跟打dota时你可以有你队友的视野，你可以知道其他所有人距离宝藏的距离这样，你看谁离宝藏最近就向谁靠近，这样会使你发现宝藏的机会变大而且，这种方法比你单人找要快的多

behavior)的简单实例，群Φ各个体交互作用使用一个比单一个体更有效的方法求解全局目标。可以把群(swarm)定义为某种交互作用的组织或Agent之结构集合在群智能计算研究中，群的个体组织包括蚂蚁白蚁，蜜蜂黄蜂，鱼群鸟群等。在这些群体中个体在结构上是很简单的，而它们的集体行为却可能变得相当复杂研究人员发现，蚂蚁在鸟巢和食物之间的运输路线不管一开始多随机，最后蚂蚁总能找到一条最短路径

粒群优化(particle swarm optimization,PSO)算法是一种基于群体搜索的算法，它建立在模拟鸟群社会的基础上粒群概念的最初含义是通过图形来模拟鸟群优美和不可预测的舞蹈动作，发现鸟群支配同步飞行和以最佳队形突然改变飞行方向并重新编队的能力这个概念已经被包含在一个简单有效的优化算法中。

在粒群優化中被称为“粒子”(particle)的个体通过超维搜索空间“流动”。粒子在搜索空间中的位置变化是以个体成功地超过其他个体的社会心理意向為基础的因此，群中粒子的变化是受其邻近粒子（个体）的经验或知识影响的一个粒子的搜索行为受到群中其他粒子的搜索行为的影響。由此可见粒群优化是一种共生合作算法。

先通过一个形象的场景来描述一下：5只鸟觅食每个鸟都知道自己与食物的距离，并将此信息与其他鸟共享

一开始，5只鸟分散在不同的地方假设没只鸟每秒钟更新自己的速度和方向，问题是怎么更新呢

每只鸟记下自己离喰物最近的位置，称为pbestpbest0,pbest1,..分别表示5只鸟的pbest，从这里面选一个gbest组里最好的。

每过一秒钟鸟更新自己的速度v(此处为矢量)，

然后以这个速度飛行1秒再次更新，最终离食物越来越近

 以下伪码摘自百度百科

　　在每一维粒子的速度都会被限制在一个最大Vmax，如果某一维更新后的速度超过用户设定的Vmax那么这一维的速度就被限定为Vmax。

我要回帖

更多关于 多目标粒子群算法原理 的文章

 

随机推荐