一、引言
19 9 5 年IE E E 国际神经网络学术会议发表了题为“Particle Swarm Optimization ”的论文, 标志着PSO算法诞生(注: 国内也有很多学者译为“微粒群优化”)。粒子群优化(Particle Swarm Optimization PSO ) 算法是Kennedy 和Eberhart源于对鸟群捕食的行为研究发明的一种新的基于群体智能的全局随机搜索算法。
它与其他进化算法一样, 也是基于“种群”和“进化”的概念, 通过个体间的协作与竞争, 实现复杂空间最优解的搜索; 同时,PSO不需对个体进行交叉、变异、选择等进化算子操作, 而是将群体(Swarm) 中的个体看做是在D 维搜索空间中没有质量和体积的粒子(particle ), 每个粒子以一定的速度在解空间运动, 并向自身历史最佳位置pbest和邻域历史最佳位置场pbest 聚集, 实现对候选解的进化。
PSO算法具有很好的生物社会背景而易理解、参数少而易实现, 对非线性、多峰问题均具有较强的全局搜索能力, 在科学研究与工程实践中受到了广泛关注。