粒子群算法也稱為粒子群優(yōu)化算法(Particle Swam opti血zation,PSO),是近年LPO4812-102MLC來發(fā)展起來的一種新的進(jìn)化算法(Evolutionaγ AlgOrithm,EA)。PSo算法屬于進(jìn)化算法的一種,和模擬退火算法相似,它也是從隨機解出發(fā),通過迭代尋找最優(yōu)解,它也是通過適應(yīng)度來評價解的品質(zhì)。但該算法比遺傳算法規(guī)則更為簡單,它沒有遺傳算法的“交叉”(αossovcr)和“變異”(Mutation)操作,通過追隨當(dāng)前搜索到的最優(yōu)值來尋找全局最優(yōu)。

   該算法以其實現(xiàn)容易、精度高、收斂快等優(yōu)點引起學(xué)術(shù)界的重視,并且在解決實際問題中展示了其優(yōu)越性。Rcynolds對鳥群飛行的研究發(fā)現(xiàn),鳥僅僅是追蹤它有限數(shù)量的鄰居,但 最終的整體結(jié)果是整個鳥群好像在一個中心的控制下,即復(fù)雜的全局行為是由簡單規(guī)則的相互作用引起的。PSo算法即源于對鳥群捕食行為的研究,一群鳥在隨機搜索食物,如果這個區(qū)域里只有一塊食物,那么找到食物的最簡單有效的策略就是搜尋目前離食物最近的鳥的周圍區(qū)域。Ps0算法從這種模型中得到啟示而產(chǎn)生的,并用于解決優(yōu)化問題。