來源：互聯網
粒子群算法是由肯尼迪（Kennedy）與埃伯哈特（Eberhart）于1995年提出的，其靈感來源于對鳥類族群覓食行為的研究。該算法的核心理念是將每個粒子視為一個獨立的個體，賦予其記憶性和交互能力，從而能夠在群體中尋找最優解決方案。
原理
粒子群算法的基本原理是模擬自然界中鳥群或魚群的行為模式。在這種模式下，每個粒子都具備一定的智能，能夠根據歷史經驗和當前狀態自主地調整其搜索方向。這種算法的特點在于，粒子不僅受到自身演化的限制，還能通過與其他粒子的交互學習和適應環境的變化，實現全局最優解的探索。
應用
粒子群算法廣泛應用于優化問題求解領域，如函數優化、路徑規劃等。它的特點是并行處理能力和自適應性，使其在解決復雜問題時表現出色。
特點
- 隨機初始化：粒子群算法首先隨機初始化一組粒子的位置和速度，以便開始搜索。
- 社交學習：粒子之間會相互影響，通過比較彼此的經驗和位置來更新自己的狀態。
- 記憶機制：每個粒子都會記錄其歷史最優位置，用于指導未來的搜索。
- 全局最優：整個粒子群的目標是找到全局最優解，而不是局部最優解。
參考資料 >
粒子群算法(PSO)詳解.CSDN博客.2024-11-08
幾類改進的粒子群算法.中國知網.2024-11-08
優化 | 粒子群算法介紹.新浪微博.2024-11-08