粒子群优化算法是一类基于群体智能的启发式全局优化技术,群体中的每一个微粒代表待解决问题的一个候选解,算法通过粒子间信息素的交互作用发现复杂搜索空间中的最优区域。本文介绍了粒子群优化算法的基本原理,并通过建立记忆表,详尽描述了粒子群优化算法中个体极优和全局极优的搜寻求解过程。同时,本文还给出了多种改进形式以及研究现状,并提出了未来可能的研究方向。

维普资讯 www.wendangwang.com

C 31 5/ N4 - 2 8 TP I S 1 0— 3 X S N 0 7 1 0

计算机工程与科学 C OMP E N NE R N& S I N UT R E GI E I G C E CE

20年第 2卷第 6 07 9期 Vo . 9 No 6 2 0 12, ., 0 7

文章编号：0 710 2 0 )60 6—4 1 0—3 X(0 7 0—0 10

粒子群优化算法研究与发展 Re e r h a d De e o m e to s a c n v lp n f Pa tc e S r Op i ia i n r il wa m tm z to 杨志鹏朱丽莉袁，,华l I

YA NG h - e g, Z i n ZHU Lil YUAN a p —i, Hu

(.长春工业大学计算机科学与工程学院， 1吉林长春 1 0 1;. 3 0 2 2温州大学，浙江温州 3 5 3: 2 0 5 3 .吉林大学计算机科学与技术学院。吉林长春 10 1 ) 3 0 2 ( . c o l f o p t c n e n n i e ig C a g h n U i ri f e h o g, h n c u 3 0 2 2 We z o 1 S h o o m ue S i c dE gn rn, h n c u nv s yo c n l y C a g h n 1 0 1; . n h u C r e a e e t T o

U i ri, ezo 2 0 5 3 Sho f o ue i c n eh ooyJl nvri,h nc u 3 02 C ia nv s yW n h u3 53;. co l C mp t S e ea dT c n l,inU i s t C agh n10 1, hn ) e t o rc n g i e y

摘

要：粒子群优化算法是一类基于群体智能的启发式全局优化技术，群体中的每一个微粒代表待解决问题的一个候

选解，法通过粒子间信息素的交互作用发现复杂搜索空间中的最优区域。本文介绍了粒子群优化算法的基本原理，算并通

过建立记忆表，详尽描述了粒子群优化算法中个体极优和全局极优的搜寻求解过程。同时，本文还给出了多种改进形式以 及研究现状，并提出了未来可能的研究方向。 Ab t a t P r il wa m p i z t n a g rt m e rs i g o a p i z t n t c n q eb s d O wa m t l g n e sr c: a t e s r o t c mia i lo ih i a h u it l b l t o s c o mi

i e h iu a e n s r i el e c . a o n i E c a t l ft e s r r p e e t n a d d t o u i n o h r b e b ig o tmi d a h p r i eo h wa m e r s n s o e c n ia e s l t ft e p o l m en p i z .Th lo i m id p i l c o e e ag rt h f s o tma n r g o s o o lx p o lm p c st r u h t ep e o n t r c i n o a tce .Th s p p rr v e h a i t e r e in fc mp e r b e s a e h o g h h r mo e i e a t f r ils n o p i a e e iws t e b s h o y,a d c n d s rb st e s e i g p o e u eo h e s n l e t n h l b l e ti S t r u h e t b i i g me r a l. Att e e c ie h e k n r c d r ft e p r o a s d t eg o a s n P O h o g sa l h n mo y t b e b a b s h s me t e h s p p ra s r s n ss mek n so r v d v r i n f S a d r s a c iu t n, n lo g v st ef t r a i,t i a e lo p e e t o i d fi m mp o e e so so O n e e r h st a i a d a s i e h u u e P o r s a c ie t n . ee rh drci s o ,

关键词：粒子群优化算法；群体智能；启发式；5 i忆表 Ke r s p ri l s r o t z t n; wa m n el e c; e rsi; mo y t b e y wo d: a tce wa m p i a i s r i t l g n e h u itc me r a l mi o i

中图分类号： 3 16 TP 0 .

文献标识码： A

较好的信息，以，这种“消息”指引下，终导致鸟所在好的最

1引言 粒子群优化算法 P ( ( at l S am t zt n S) P rie w r Opi ai,[ c mi o 简称 P O)早是由 Ke nd S最 n ey和 E eh r于 19 b rat 9 5年提出

群“一窝蜂”地奔向食源，达到在食源的群集。粒子群算法中，

解群栩当于鸟群，一地到另一地的迁徙相当于解群的进化，好消息”“相当于解群每代进化中的最优解，食源村i当于全局最优解。与基于达尔文“者生存，适优胜劣汰”化思进想的遗传算法不同的是，粒子群优化算法是通过个体之间的协作来寻找最优解的。它用无质量、无体积的粒子作为个体，为每个粒子规定简单的行为规则，并从而使整个粒子群表现出复杂的特性，可用来求解复杂的优化问题。 P O小， S每个优化问题的潜在解都是搜索空间 r的一 l _ 1

的一种启发式全局优化技术。粒子群优化算法是一种基于群智能的演化计算方法，它源于鸟群群体运动行为的研究。 鸟群在觅食时，在它们找到有食物的地方之前的迁徙过程中，既有分散又有群集的特点。对于鸟群来说，在它们找到食源之前的从一地到另一地的迁徙过程f,{总有那么一只 1鸟对食物的嗅觉较好，即对食源的大致方向具有较好的洞

只鸟，称之为“子( at l)。所有粒子都有一个被目标粒 P rie” c 函数决定的适应值 ( i esV le,有一个速度决定它 Ft s au )还 n

察力，从而这只鸟就拥有食源的较好信息。由于在找寻食物的途中，它们又在无时无刻地相互传递信息，特别是这种

们飞翔的方向和距离。然后，粒子们就追随当前的最优粒

*

收稿日期：0 60—8修订日期：0 61—6 2 0-62; 2 0—11基金项目：国家自然科学基金资助项目(0 7 12 65 3 8 )作者简介：志鹏 (9 1 )男.杨】8一，河南淮阳人，硕士生，研究方向为几何约束和群体智能；米丽莉，教授，研究方向为人工智能和计算

机网络应用；袁华， I,博：生讲师，:研究方向为几何约束求解、计算机图形学和计算机图像处理。 通讯地址：3 0 2吉林省长春市林园路 29号长春工业大学 O 10 1 2 j级研究生 3: l1 58 2 2 4 Emalz yn l8@ l6C I班 Te: 3 7 68 9;- i p a g 9 1 2. O 1: l A d e: c o l fC mp trS in ea dEn ie r g C a g h nUnv ri f F c n lg, a g h n J i 3 0 2 P R C ia d rs S h o o u e c c n gn e i, h n c u iest o e h oo y Ch n c u

,i n 1 0 1, . . hn s o e n y l 6 1