资 源 简 介
应用背景在电脑里科学，粒子群优化（粒子群算法）是一种计算方法，通过反复地尝试提高候选人的问题来优化问题关于一个给定的解决方案质量测量。粒子群优化算法的一个问题，有一个人口的候选人解决方案，在这里被称为粒子，并根据简单的数学公式在粒子的位置和速度移动这些粒子周围的搜索空间。每个粒子的运动受其局部的影响最著名的位置，但是，也被引导到最有名的位置搜索空间，这是更新的更好的位置被发现的其他颗粒。这一行动将朝着最佳的解决方案。关键技术粒子群算法是归因于甘乃迪，Eberhart和石和首次用于模拟社会行为，作为生物体的运动形式化表示在鸟群或鱼群。该算法进行了简化，并观察到进行优化。这本书是由甘乃迪和Eberhart介绍PSO许多哲学方面群智能。粒子群优化算法的广泛研究应用程序是由政策。PSO算法是一种启发式是很少或没有假设关于正在优化的问题，可以搜索非常大的空间的候选人解决方案。然而，如超启发式算法不保证最优解决方案被发现。更具体地说，粒子群优化算法不使用梯度的问题，这意味着粒子群优化算法不需要优化问题是可微的，需要的是经典梯度优化法血统和准牛顿方法。因此粒子群优化算法也可用于优化问题，部分不规则，噪声，随时间变化等并；
