推荐星级：

鸟群算法机器学习

更新时间：2024-08-12 20:12:39 大小：20K 上传用户：czhhfjj 查看TA发布的资源 标签：鸟群算法机器学习 下载积分：2分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

通俗理解：以鸟飞翔栖息地为例，一开始一只鸟没有特定的飞行目标，只能通过简单的规则确定自己的飞行方向和飞行速度当有一只鸟到栖息地时，它周围的鸟也会跟着飞向栖息地，最终整个鸟群都会落在栖息地。（鸟-粒子；鸟群-粒子群；栖息地-最优解）

与其他进化算法相同点：是基于“种群”和“进化”的概念，通过个体之间的竞争与协作，实现对复杂空间最有解的搜索。

与其他计划算法的不同点：它没有对个体进行交叉、变异、选择的操作，而将群体中的个体看作是D为空间中没有质量和体积的粒子，每一个粒子按照一定速度在解空间运动，并向自身历史的最佳位置P _best和群体历史最佳位置g _best聚集，实现对候选解的进化。

特点：（1）参数少；（2）对非线性、多峰值问题具有较强的全局搜索能力。

通俗理解：鸟类捕食过程中，鸟群成员可以通过个体之间的信息交流与共享和其他成员的发现与飞行经历。在食物零星分布且不可预测的情况下，这种协作优势是决定性的，远远大于食物竞争所引起的劣势。

官方描述：粒子群算法的信息共享机制可以解释为一种共同合作的行为，每一个粒子都不断的搜索，并且搜索行为在不同程度上受到群体其他个体的影响，同时这些粒子还具有对所经历的最佳位置的记忆能力，即其搜索行为受到其他个体引导的同时还受到自身经验的引导。

通俗理解：一群鸟在区域中随机搜索食物，所有的鸟都知道自己的位置距离食物有多远，那么搜索的最简单有效的方式就是搜寻距离食物最近的鸟的范围区域。

官方描述：每个优化问题的潜在姐都是搜索空间中的一只鸟（粒子），所有的粒子都有一个由被优化的函数决定的适应度值，每个粒子有一个速度决定它们的飞行方向和距离，然后粒子们（鸟群）就追随当前的最优粒子在解空间中搜索。

步骤：（1）首先在给定的解空间中随机初始化种群（待优化问题的变量个数决定解空间的维度），使每个种群有了自己的初始位置与初始速度，然后通过迭代寻优。

（2）在每一次迭代中，每个粒子通过跟踪两个极值（单个粒子本身迭代过程中寻找的最优解粒子，所有例子迭代过程中找到的最优解粒子）来更新自己在解空间中的空间位置与飞行速度，称之为全局粒子群算法。如果只用部分粒子，则称之为局部粒子群算法。

文件名	大小
1723464672粒子群算法.doc	20K

暂无评论