注：本篇随笔依据《Matlab在数学建模上的应用》中第5章介绍来写，主要介绍粒子群算法思想及其Matlab实现（博客以及Matlab小白，若有不当欢迎指出）粒子群算法（PSO）简介PSO属于智能算法，智能算法都属于软计算（动态自适应的求解方式）。
PSO依托群鸟觅食模型（Boid模型）寻找最优值。粒子群算法的基本理论群鸟觅食模型中，每只鸟的飞行基于自身经验和群体经验。
Boid模型遵守3个行为准则
转载
2024-05-27 16:29:36
72阅读
粒子群算法介绍优化问题是工业设计中经常遇到的问题,许多问题最后都可以归结为优化问题. 为了解决各种各样的优化问题,人们提出了许多优化算法,比较著名的有爬山法、遗传算法等.优化问题有两个主要问题:一是要求寻找全局最小点,二是要求有较高的收敛速度. 爬山法精度较高,但是易于陷入局部极小. 遗传算法属于进化算法( Evolutionary Algorithms) 的一种,它通过模仿自然界的选择与遗传的机
转载
2024-08-12 14:52:20
24阅读
转自：粒子群算法（Particle Swarm Optimization，PSO）是20世纪90年代兴起的一门学科，因其概念简明、实现方便、收敛速度快而为人所知。粒子群算法的基本思想是模拟鸟群随机搜寻食物的捕食行为，鸟群通过自身经验和种群之间的交流调整自己的搜寻路径，从而找到食物最多的地点。其中每只鸟的位置/路径则为自变量组合，每次到达的地点的食物密度即函数值。每次搜寻都会根据自身经验（自身历史搜
转载
2023-10-25 14:46:58
199阅读
一、官方定义： 首先我们要知道粒子群算法具体要解决的问题是什么，官方定义是：子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等开发的一种新的进化算法(Evolutionary Algor
转载
2023-08-10 17:57:40
99阅读
# Java 粒子群算法实现指南
粒子群算法（Particle Swarm Optimization, PSO）是一种基于群体智能的优化算法，广泛应用于函数优化、机器学习等领域。本文将帮助你了解如何在Java中实现PSO。
## 流程步骤
我们可以将粒子群算法的实现划分为以下几个步骤：
| 步骤 | 描述 |
|------|------|
| 1. 初始化粒子群 | 创建粒子，并初始化其
原创
2024-10-25 05:55:31
38阅读
# 粒子群算法：基于 Java 的实现
粒子群算法（Particle Swarm Optimization，PSO）是一种基于群体智能的优化算法。它模拟鸟群觅食的行为，通过一组“粒子”在解空间中移动，不断更新其位置，最终在搜索空间中找到最优解。本文将通过一个简单的 Java 示例来介绍粒子群算法的基本原理、实现方法以及应用场景。
## 粒子群算法基本原理
粒子群算法的基本思路是通过群体中的每
原创
2024-10-11 07:31:54
20阅读
# 粒子群算法（PSO）及其在Java中的实现
粒子群算法（Particle Swarm Optimization，PSO）是一种启发式全局优化算法，由Kennedy和Eberhart于1995年提出。其灵感来源于鸟群觅食的行为，利用个体之间的合作来寻找最优解。本文将深入介绍粒子群算法的原理，并提供一个简单的Java代码示例，帮助读者更好地理解这一算法。
## 粒子群算法原理
在PSO中，解
原创
2024-10-25 03:31:02
33阅读
粒子群算法简介一、粒子群算法的历史 粒子群算法源于复杂适应系统（Complex Adaptive System,CAS）。CAS理论于1994年正式提出，CAS中的成员称为主体。比如研究鸟群系统，每个鸟在这个系统中就称为主体。主体有适应性，它能够与环境及其他的主体进行交流，并且根据交流的过程“学习”或“积累经验”改变自身结构与行为。整个系统的演变或进化包括：新层次的产生（小鸟的出生）
转载
2023-09-22 06:31:53
159阅读
01 算法起源粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation)，1995 年由Eberhart 博士和kennedy 博士提出，源于对鸟群捕食的行为研究 。该算法最初是受到飞鸟集群活动的规律性启发，进而利用群体智能建立的一个简化模型。粒子群算法在对动物集群活动行为观察基础上，利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的
转载
2023-06-21 20:49:13
102阅读
粒子群算法最先从观察鸟的捕食行为出发得到的仿生算法，它的原始算法用于求解无约束的多变量优化问题，如二元函数在给定区域内的极值问题，后来被扩展到求解TSP问题，动态优化问题和多目标优化问题。 粒子群算法的基本思想如下。一只鸟出去捕食，它当然是希望找到食物最多的位置。假设
转载
2023-08-15 17:09:06
116阅读
粒子群优化算法的思路粒子群算法是一种群体智能算法，是基于种群群体提出的进化算法，如鸟群或者鱼群等觅食的行为，鸟群中个每只鸟往四周觅食，有些鸟飞过的地方食物多，有些地方食物少。它们的最终目标是寻找到食物最多的地方，在这个种群中每个个体都有自我认知和共享社会信息的能力，自我认知的能力指每只鸟能够记录自己寻找到的食物最多的地方，社会共享能力指种群直接按可以相互共享信息以找到整个种群找到的食
题目：一种新的离散粒子群优化算法中文摘要 粒子群优化算法在许多优化问题上表现得非常好。粒子群优化算法的缺点之一是假设算法中的变量为连续变量。本文提出一个新的粒子群优化算法，能够优化离散变量。这个新算法被称为整数和分类粒子群优化算法，该算法融合了分布估计算法的思想，即粒子代表概率分布而不是解的值，并且PSO更新修改了概率分布。本文
转载
2023-08-25 17:31:00
294阅读
文章目录一、导入第三方库二、初始化粒子群算法的相关参数三、定义目标函数四、初始化粒子数和速度五、挑选个体最优解和全局最优解六、迭代优化七、可视化图像 本篇文章以实现如下需求为例，用Python实现粒子群算法：求解 y=sin(10πx）/x x在[1,2] 之间的最大值。所展示代码无脑复制粘贴即可运行。一、导入第三方库from random import random
import numpy
转载
2023-10-08 12:28:20
88阅读
⛄ 内容介绍一种粒子群算法优化LSTM神经网络的行程时间预测方法,包括如下步骤:步骤S1:采集风电功率数据,进行数据归一化,按比例划分为训练集和测试集;步骤S2:采用粒子群算法优化LSTM神经网络预测模型的各个参数;步骤S3:输入粒子群算法优化好的参数,训练集,进行LSTM神经网络预测模型的迭代优化;步骤S4:利用已训练好的LSTM神经网络模型对测试集进行预测,并评估模型误差.本发明的方法寻优速度
转载
2024-04-02 11:00:46
57阅读
背景粒子群优化（Particle Swarm Optimization, PSO），又称微粒群算法，是由J. Kennedy和R. C. Eberhart等于1995年开发的一种演化计算技术，来源于对一个简化社会模型的模拟。其中“群（swarm）”来源于微粒群匹配M. M. Millonas在开发应用于人工生命（artificial life）的模型时所提出的群体智能的5个基本原则。“粒子（par
转载
2024-05-04 23:00:27
98阅读
PSOIndividual.py
import numpy as np
import ObjFunction
import copy
class PSOIndividual:
'''
individual of PSO
'''
def __init__(self, vardim, bound):
'''
vardim: di
转载
2023-05-31 23:37:29
517阅读
1.简介 1995年美国电气工程师 Eberhart 和社会心理学家 Kennedy 基于鸟群觅食行为提出了粒子群优化算法（particle swarm optimization，PSO），简称粒子群算法。该算法概念简明、实现方便、收敛速度快、参数设置少，是一种高效的搜索算法。 粒子群算法是模
转载
2024-01-27 17:02:29
57阅读
0、优化算法优化算法是一种根据概率按照固定步骤寻求问题的最优解的过程。常见的优化算法有最传统的梯度下降法(Gradient Descent)，在自然特性的基础上模拟个体种群的适应性的遗传算法（Genetic Algorithm，GA）和粒子群算法（Particle Swarm Optimization，PSO），收敛速度较快的牛顿法（Newton’s method）及其在牛顿法的基础上使用正定矩阵
转载
2024-02-19 10:53:12
34阅读
1、摘要本文主要讲解：PSO粒子群优化-BP神经网络-优化神经网络神经元个数dropout和batch_size，目标为对数据进行分类模型 主要思路：PSO Parameters ：粒子数量、搜索维度、所有粒子的位置和速度、个体经历的最佳位置和全局最佳位置、每个个体的历史最佳适应值 2.BP神经网络 Parameters 神经网络第一层神经元个数、神经网络第二层神经元个数、dropout比率、ba
转载
2023-10-30 22:52:14
23阅读
一、题目使用粒子群算法求解函数f（x）的最小值。理论上的最小值是0。二、原理粒子群算法利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得最优解。试想一下，如果一群鸟在一片区域中寻找食物，所有的鸟都不知道食物在什么地方，但是每一只鸟都知道自己距离食物有多远，也知道这一群鸟中离食物最近的鸟在什么位置，这样每一只鸟都可以改变当前自己的移动方向，逐渐向离食物最
转载
2023-08-21 08:26:54
49阅读
