今天介紹一下粒子群算法的各類變體，包括基于模擬退火的混合粒子群算法,帶壓縮因子的粒子群算法,基于雜交的粒子群優(yōu)化算法...

1. 基礎(chǔ)粒子群算法

Particle Swarm Optimization

由于PSO十分常見，網(wǎng)上有非常多的介紹與案例，此處僅簡單介紹一下基礎(chǔ)的PSO原理。

粒子群算法通過設(shè)計粒子來模擬鳥群中的鳥，粒子僅具有兩個屬性：速度和位置。速度代表移動的快慢，位置代表移動的方向。

每個粒子在搜索空間中單獨的搜尋最優(yōu)解，并將其記為當前個體極值，并將個體極值與整個粒子群里的其他粒子共享，找到最優(yōu)的那個個體極值作為整個粒子群的當前全局最優(yōu)解，粒子群中的所有粒子根據(jù)自己找到的當前個體極值和整個粒子群共享的當前全局最優(yōu)解來調(diào)整自己的速度和位置。

下方的視頻非常形象地展示了粒子群算法的優(yōu)化方式：

如果你首次接觸，想更細致地了解PSO，可以下載下方的PPT文檔（見文末），內(nèi)含非常詳盡的介紹。

圖圖在此處附上一個簡單的測試函數(shù)用以說明PSO的原理，下方各類改進的PSO也使用該測試函數(shù)。

fitness = @(x) (x(1)-1)^2+x(2)^2

測試函數(shù)——>基礎(chǔ)的粒子群算法函數(shù)

基礎(chǔ)的粒子群算法函數(shù)

2. 基于模擬退火的混合粒子群算法

Simulated Annealing PSO

模擬退火算法（Simulated annealing）在搜索過程中具有概率突跳的能力，能夠有效地避免搜索過程中陷入局部最優(yōu)解。模擬退火算法在退火過程中不但接受好的解，而且還以一定的概率接受差的解，同時這種接受概率受到溫度參數(shù)的控制，其大小隨溫度的下降而減小。

如果您想更細致地了解退火算法，可以點擊此處。

下方給出了Simulated Annealing PSO的案例

3 帶壓縮因子的粒子群算法

YSPSO

篇幅限制，僅列出主要的更新模塊。

參考文檔

https://www.docin.com/p-1358211315.html

4 經(jīng)典即變異粒子群優(yōu)化算法

AsyLnCPSO

5 基于雜交的粒子群優(yōu)化算法

BreedPSO

6 更多粒子群算法的變體

??獲取文中PPT+粒子群代碼，關(guān)注微信公眾號“圖通道”后臺回復：PSO