PSOzd(群体智能算法)

E-mail:[e-mail]-mail:[e-mail]群体智能算法——微粒群算法SwarmIntelligenceAlgorithmParticleSwarmOptimization(PSO)E-mail:[e-mail]-mail:[e-mail]引言群体智能算法——蚁群算法群体智能算法——微粒群算法E-mail:[e-mail]-mail:[e-mail]引言群体智能算法(SwarmIntelligenceAlgorithm)的研究开始于20世纪90年代；其基本思想是模拟自然界生物的群体行为来构造随机优化算法；蜜蜂ColonycooperationRegulatehivetemperatureEfficiencyviaSpecialization:divisionoflabourinthecolonyCommunication:FoodsourcesareexploitedaccordingtoqualityanddistancefromthehiveE-mail:[e-mail]-mail:[e-mail]引言群体智能算法(SwarmIntelligenceAlgorithm)的研究开始于20世纪90年代；其基本思想是模拟自然界生物的群体行为来构造随机优化算法；白蚁Cone-shapedouterwallsandventilationductsBroodchambersincentralhiveSpiralcoolingventsSupportpillarsE-mail:[e-mail]-mail:[e-mail]引言群体智能算法(SwarmIntelligenceAlgorithm)的研究开始于20世纪90年代；其基本思想是模拟自然界生物的群体行为来构造随机优化算法；蚂蚁OrganizinghighwaystoandfromtheirforagingsitesbyleavingpheromonetrailsFormchainsfromtheirownbodiestocreateabridgetopullandholdleafstogetherwithsilkDivisionoflaborbetweenmajorandminorantsE-mail:[e-mail]-mail:[e-mail]引言典型算法M.Dorigo提出的蚁群算法(AntColonyAlgorithm)J.Kennedy与R.Eberthart提出的微粒群算法(ParticleSwarmOptimization)E-mail:[e-mail]-mail:[e-mail]群体智能的概念群体智能这个概念来自对蜜蜂和蚂蚁的观察。一组相互之间可以进行直接通信或者间接通信(通过改变局部环境)的主体，这组主体能够合作进行分布问题求解；任何启发于群居性昆虫群体和其它动物群体的集体行为而设计的算法和分布式问题解决装置都称为群体智能；群体智能在没有集中控制并且不提供全局模型的前提下，为寻找复杂的分布式问题的解决方案提供了基础。E-mail:[e-mail]-mail:[e-mail]群体智能的特点分布式：能够适应当前网络环境下的工作状态；鲁棒性：没有中心的控制与数据，个体的故障不影响整个问题的求解；扩充性：个体的增加，系统的通信开销增加小；简单性：个体简单，实现也比较简单。E-mail:[e-mail]-mail:[e-mail]群体智能的研究意义群体智能的研究不仅在多主体（MultiAgent）仿真、系统复杂性以及NP问题等方面为人工智能、认识科学、计算经济学等领域的基础理论问题的研究开辟了新的研究途径，同时也为诸如组合优化、机器人协作、电信路由控制等实际工程问题提供了新的解决方法。因此，群体智能的研究具有重要意义和广阔的应用前景。E-mail:[e-mail]-mail:[e-mail]国外研究现状美国(SwarmDevelopmentGroup)SDG组织——系统复杂性方面开展了研究加州工学院——群体智能的课程欧洲联盟资助的SWARM-BOTS项目——研究设计和实现自组织和自装配的装置E-mail:[e-mail]-mail:[e-mail]国内研究现状国内“十五”期间国家自然科学基金学科交叉类优先资助领域第一类(属于把握科学前沿，推动源头创新的项目)第7项(认知科学及其信息处理的研究内容就明确列出了群体智能的进化、自适应与现场认知)第9项(复杂系统与复杂性)E-mail:[e-mail]-mail:[e-mail]蚁群算法AntColonyAlgorithm20世纪90年代，由意大利学者M.Dorigo提出主要根据蚂蚁觅食的原理而设计的一种群体智能算法1E-mail:[e-mail]-mail:[e-mail]蚁群算法AntColonyAlgorithm20世纪90年代，由意大利学者M.Dorigo提出主要根据蚂蚁觅食的原理而设计的一种群体智能算法2E-mail:[e-mail]-mail:[e-mail]蚁群算法AntColonyAlgorithm20世纪90年代，由意大利学者M.Dorigo提出主要根据蚂蚁觅食的原理而设计的一种群体智能算法3E-mail:[e-mail]-mail:[e-mail]蚁群算法AntColonyAlgorithm20世纪90年代，由意大利学者M.Dorigo提出主要根据蚂蚁觅食的原理而设计的一种群体智能算法1E-mail:[e-mail]-mail:[e-mail]蚁群算法AntColonyAlgorithm20世纪90年代，由意大利学者M.Dorigo提出主要根据蚂蚁觅食的原理而设计的一种群体智能算法2E-mail:[e-mail]-mail:[e-mail]蚁群算法AntColonyAlgorithm20世纪90年代，由意大利学者M.Dorigo提出主要根据蚂蚁觅食的原理而设计的一种群体智能算法3E-mail:[e-mail]-mail:[e-mail]粒子群算法ParticleSwarmAlgorithmTheInventorsForPSORussellEberhartJamesKennedyE-mail:[e-mail]-mail:[e-mail]粒子群算法ParticleSwarmAlgorithmThePaper[Kennedy,J.andEberhart,R.(1995).“ParticleSwarmOptimization”,Proceedingsofthe1995IEEEInternationalConferenceonNeuralNetworks,pp.1942-1948,IEEEPress.]()E-mail:[e-mail]-mail:[e-mail]PersonTEAMWithoutCompetitionButcooperationFollowSimpleRuleSetsE-mail:[e-mail]-mail:[e-mail]ishhiddeninthedeepestpartdifficulttocatchHowdeepthepondis?MainFeature:PositionVelocityInfo.ExchangingPreviousPositionMemorizeDecisionMakingE-mail:[e-mail]-mail:[e-mail]particle(individual)iscomposedof:Threevectors:Thex-vectorrecordsthecurrentposition(location)oftheparticleinthesearchspace,Thep-vectorrecordsthelocationofthebestsolutionfoundsofarbytheparticle,andThev-vectorcontainsagradient(direction)forwhichparticlewilltravelinifundisturbed.Twofitnessvalues:Thex-fitnessrecordsthefitnessofthex-vector,andThep-fitnessrecordsthefitnessofthep-vector.121212(,,,)(,,,)(,,,)iiiiniiiiniiiinXxxxVvvvPpppE-mail:[e-mail]-mail:[e-mail],particlesneverdie!Particlescanbeseenassimpleagentsthatflythroughthesearchspaceandrecord(andpossiblycommunicate)thebestsolutionthattheyhavediscovered.Addingthev-vectortothex-vectortogetanotherx-vector(Xi=Xi+Vi).OncetheparticlecomputesthenewXiitthenevaluatesitsnewlocation.Ifx-fitnessisbetterthanp-fitness,thenPi=Xiandp-fitness=x-fitness.121212(,,,)(,,,)(,,,)iiiiniiiiniiiinXxxxVvvvPpppE-mail:[e-mail]-mail:[e-mail]-mail:[e-mail]-mail:[e-mail]ographicalsocialE-mail:[e-mail]-mail:zhaoduo@h