07计算智能导论_进化计算-6-粒子群

《07计算智能导论_进化计算-6-粒子群》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、智能计算导论第章第二章进化计算第六节粒子群优化算法及其应用西安电子科技大学智能科学与技术系1第六节粒子群优化算法及其应用提纲Á概述Á标准粒子群优化算法Á粒子群优化算法的应用Á小结2概述成群的鸟、鱼或者浮游生物的聚集行为有利于它们觅食和逃避捕食者。它们的群落动辄以十、百、千甚至万计，并且经常不存在一个统一的指挥者。它们是如何完成聚集、移动这些功能的？SwarmIntelligenceSwarmIntelligenceSwarmIntelligence()(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

2、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，BbBonabeau、DiDorigo和Theraulaz在他们的著作《SwarmIntelligence:FromNaturaltoArtificialSystemstoArtificialSystems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。SwarmIntelligenceSwarmIntelligence2001年，JamesKen

3、nedy和RussellC.Ebhberhart出版了《SwarmIntelligence》，是群智能发展的一个重要历程碑，他赞同由MarkMillonas（1994）提出的构建一个SI系统所应满足的五条基本原则：SwarmIntelligenceSwarmIntelligence[1]PiiProximittyPiilPrinciple: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]QualityPrinciple: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]PrincipleofDive

4、rseResponse: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]StabilityPrinciple: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]AdaptbilittabilityPiilPrinciple: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。生物系统：由简单个体组成的群落和环境及个体之间的相互行为。群智能：这些模拟系统利用局部信息从而可以产生不可预测的群行为。SwarmIntelligenceSwarmIntelligenceò《SwarmIn

5、telligence》最重要的观点是：Mindissocial，也就是认为人的智能是源于社会性的相互作用，文化和认知是人类社会性不可分割的重要部分，这一观点成为了群智能发展的基石。ò群智能已成为有别于传统人工智能中连接主义和符号主义的一种新的关于智能的描述方法。ò群智能的思路，为在没有集中控制且不提供全局模型的前提下寻找复杂的分布式问题求解方案提供了基础。SwarmIntelligenceSwarmIntelligence已有的群智能理论和应用研究证明群智能方法是一种能够有效解决大多数优化问题的新方法;群智能潜在的并行性和分布式特点

6、为处理大量的以数据库形式存在的数据提供了技术保证。背景对鸟群行为的模拟：ò鸟群在行进中会突然同步的改变方向，散开或者聚集等。那么一定有某种潜在的能力或规则保证了这些同步的行为。这些科学家都认为上述行为是基于不可预知的鸟类社会行为中的群体动态学。ò早期的模型中仅仅依赖个体间距的操作，也就是说，这种同步是鸟群中个体之间努力保持最优的距离的结果。ò同种生物之间信息的社会共享能够带来好处。这是PSO的基础。计算智能领域基于群智能的重要算法：•蚁群算法(antcolonyoptimization)•粒子群算法(particleswarmopt

7、imization)•其他的？蜂群算法，免疫算法，细菌觅食算法，混合算法第六节粒子群优化算法及其应用提纲Á概述Á标准粒子群优化算法Á粒子群优化算法的应用Á小结15算法介绍ò粒子群优化算法（ParticleSwarmOptimization，PSO）是一种进化计算(EC)技术,于1995年提出,源于对鸟群捕食的行为研究。ò粒子群优化算法的基本思想是通过群体中个体之间的协作和信息共享来寻找最优解．J.Kennedy，R.Eberhart．Particleswarmoptimization．ProceedingsoftheIEEEInte

8、rnationalConferenceonNeuralNetworks,1995,pp.1942~1948.算法介绍设想这样一个场景：一群鸟在随机的搜索食物。在这个区域里只有一块食物，所有的鸟都不知道食物在哪里。但是它们知道自己当前的