计算智能-粒子群优化课件

人工智能ArtificialIntelligence(AI)

2013年9-10月2023/4/2

第4章计算智能4.7粒子群优化算法2023/4/24.7粒群优化4.7.1群智能和粒群优化群智能粒群优化4.7.2粒群优化算法个体最佳算法全局最佳算法局部最佳算法2023/4/2群智能的特点：个体结构和行为是非常简单的，通过个体之间的相互作用与协同合作，可以构成非常复杂的群行为。2023/4/2基于群智能的算法：粒群算法：模拟鸟群的智能行为蚁群算法：模拟蚂蚁的觅食行为用途：解决最优化问题2023/4/22粒群优化粒（子）群优化（ParticleSwarmOptimization，PSO)算法是一种模拟鸟群行为的群体搜索算法。2023/4/2在粒子群优化中，粒子（个体）在搜索空间中是不断地改变位置的，但是位置变化要受到其邻近粒子行为的影响，所以说，粒子群优化算法是一种共生合作算法。2023/4/24.7.2粒子群优化算法群是粒子的集合，每一个粒子代表一个容许解。每一个粒子的位置由原先的位置和邻近粒子的位置来确定。2023/4/2令xi(t)：粒子Pi

在时刻t

的位置vi(t)：位置变化速度则粒子Pi

的当前位置为xi(t)=xi(t-1)+vi(t)

vi(t)xi(t-1)xi(t)2023/4/21个体最佳算法特点：每一个个体只将它的当前位置与自己的最佳位置的性能值作比较，而不使用其他粒子的信息。2023/4/2记号：目标函数、性能函数已经得到的最佳性能值最佳性能值对应的自变量值，即最佳的粒子位置2023/4/2算法步骤：对于粒子群P(t)

初始化，使得

t=0

时每一个粒子Pi

的位置xi(t)

是随机的。利用每一个粒子的当前位置计算其性能函数值（即目标函数值）。2023/4/2(4)改变每一个粒子的速度位置随机数(改变参数)每一个粒子的新位置(5)转到(2)，重复(2)-(4)，直到收敛为止。2023/4/2说明：粒子离原先发现的最佳位置越远，使粒子回到它最佳位置所需要的速度就越大。随机数的上限是用户选定的算法参数，其值越大，粒子轨迹振荡就越大；反之，轨迹就越平滑。2023/4/22全局最佳算法在全局最佳算法中，粒子群的全局最优方案具有星形的邻域拓扑结构：2023/4/2算法步骤：对于粒子群P(t)

初始化，使得

t=0

时每一个粒子Pi

的位置xi(t)

是随机的。利用每一个粒子的当前位置计算其性能函数值（即目标函数值）。2023/4/2(3)比较每一个粒子的当前性能值与至今得到的最佳性能，如果则2023/4/2(4)将每一个粒子的性能与全局最佳粒子的性能进行比较，如果则即找出迄今为止的最佳粒子位置及其性能值2023/4/2(4)(续)每一个粒子的新位置(5)转到(2)，重复(2)-(4)，直到收敛为止。2023/4/2说明：粒子离开全局最佳位置和自己的最佳位置越远，使其回到本身最佳位置的速度就越大。随机数(1,2)可以确定为i=ri

ci

，其中ri～U(0,1)

，ci为正加速度常数。2023/4/2算法步骤：对于粒子群P(t)

初始化，使得

t=0

时每一个粒子Pi

的位置xi(t)

是随机的。利用每一个粒子的当前位置计算其性能函数值（即目标函数值）。2023/4/2(3)比较每一个粒子的当前性能值与至今得到的最佳性能，如果则2023/4/2(4)将每一个粒子的性能与局部最佳粒子的性能进行比较，如果则即找出迄今为止的局部最佳粒子位置及其性能值2023/4/2(4)(续）改变每一个粒子的速度位置随机数第二项：认知分量第三项：社会分量2023/4/2(4)(续)每一个粒子的新位置(5)转到(2)，重复(2)-(4)，直到收敛为止。2023/4/2说明：粒子离开局部最佳位置和自己的最佳位置越远，使其回