智能算法综述讲课稿.pptVIP

群智能理论及粒子群优化算法 Swarm Intelligence(SI) Swarm Intelligence (SI)的概念最早由Beni、Hackwood和在分子自动机系统中提出。分子自动机中的主体在一维或二维网格空间中与相邻个体相互作用，从而实现自组织。1999年，Bonabeau、Dorigo和Theraulaz 在他们的著作《Swarm Intelligence: From Natural to Artificial Systems中对群智能进行了详细的论述和分析，给出了群智能的一种不严格定义：任何一种由昆虫群体或其它动物社会行为机制 而激发设计出的算法或分布式解决问题的策略 均属于群智能。 构建一个SI系统所应满足的五条基本原则： PSO算法简介 粒子群算法(particle swarm optimization，PSO)由Kennedy和Eberhart在1995年提出，该算法模拟鸟集群飞行觅食的行为，鸟之间通过集体的协作使群体达到最优目的，是一种基于Swarm Intelligence的优化方法。 同遗传算法类似，也是一种基于群体叠代的，但并没有遗传算法用的交叉以及变异，而是势在于简单容易实现同时又有深刻的智能背景，既适合科学研究，又特别适合工程应用，并且没有许多参数需要调整。 近年PSO方面文献的数量 PSO产生背景之二:人工生命 人工生命“是来研究具有某些生命基本特征的人工系统。人工生命包括两方面的内容： ① 研究如何利用计算技术研究生物现象； ② 研究如何利用生物技术研究计算问题(Nature Computation)。 我们现在关注的是第二部分的内容。现在已经有很多源于生物现象的计算技巧，例如, 人工神经网络是简化的大脑模型. 遗传算法是模拟基因进化过程的。现在我们讨论另一种生物系统：社会系统，更确切地说，是由简单个体组成的群落与环境以及个体之间的互动行为，也可称做群智能。 基本PSO算法 粒子群优化算法源于1987年Reynolds对鸟群社会系统boids的仿真研究，boids是一个CAS。在boids中，一群鸟在空中飞行，每个鸟遵守以下三条规则： 1）避免与相邻的鸟发生碰撞冲突； 2）尽量与自己周围的鸟在速度上保持协调和一致； 3）尽量试图向自己所认为的群体中靠近。 仅通过使用这三条规则，boids系统就出现非常逼真的群体聚集行为，鸟成群地在空中飞行，当遇到障碍时它们会分开绕行而过，随后又会重新形成群体。 基本PSO算法(续) PSO中，每个优化问题的解都是有哪些信誉好的足球投注网站空间中的一只鸟。称之为“粒子(Particle)”。所有的粒子都有一个由被优化的函数决定的适应值，每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中有哪些信誉好的足球投注网站. PSO 初始化为一群随机粒子。然后通过叠代找到最优解。在每一次叠代中，粒子通过跟踪两个极值来更新自己。第一个就是粒子本身所找到的最优解。这个解叫做个体极值pBest. 另一个极值是整个种群目前找到的最优解。这个极值是全局极值gBest。另外,也可以不用整个种群而只是用其中一部分的邻居。 基本PSO算法(续) PSO算法数学表示如下： 设有哪些信誉好的足球投注网站空间为D维，总粒子数为n。 第i个粒子位置表示为向量Xi=( xi1, xi2,…, xiD )； 第i个粒子 “飞行”历史中的过去最优位置（即该位置对应解最优）为Pi=( pi1,pi2,…,piD )， 其中第g个粒子的过去最优位置Pg为所有Pi ( i=1, …,n)中的最优； 第i个粒子的位置变化率（速度）为向量Vi=(vi1, vi2,…, viD)。每个粒子的位置按如下公式进行变化（“飞行”）： * * 蜂群、蚁群、鸟群都是Swarm的典型例子。 [1] Proximity Principle: 群内个体具有能执行简单的时间或空间上的评估和计算的能力。 [2] Quality Principle: 群内个体能对环境（包括群内其它个体）的关键性因素的变化做出响应。 [3] Principle of Diverse Response: 群内不同个体对环境中的某一变化所表现出的响应行为具有多样性。 [4] Stability Principle: 不是每次环境的变化都会导致整个群体的行为模式的改变。 [5] Adaptability Principle: 环境所发生的变化中，若出现群体值得付出代价的改变机遇，群体必须能够改变其行为模式。 James Kennedy r