粒子算法的研究及发展

第４８卷第５期

国玩技衾

ｖ０１．４８

Ｎｂ．５

２００８年５月

ＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ

Ｍａｙ２００８

文章编号：１００１—８９３Ｘ｛２００８）０５—０００７—０５

粒子群优化算法的研究现状与发展概述幸

王伯成１，施锦丹２，王

凯３

（１．解放军９１８６８部队，海南三亚５７２０００；２．解放军６３９６１部队，北京１０００１２；

３．第二炮兵驻孝感地区军事代表室，湖北孝感４３２１００）

摘要：粒子群优化算法（Ｐｓｏ）是基于群体智能的一种优化算法。该算法简单易于实现，可调参数少，得到了广泛的研究和飞速发展。介绍了ＰｓＯ提出的背景、ＰＳＯ的思想和原理，分析并总结了ＰＳＯ的优缺点。根据ＰＳＯ算法研究侧重点的不同，总结了ＰＳＯ算法的发展现状及特点，分析并展望了ＰｓＯ还需要完善或继续研究的问题，展望了ＰｓＯ的研究热点及发展趋势。关键词：粒子群优化；复杂适应系统；群体智能

中图分类号：ＴＰｌ８３；ＴＰ３０１．６

文献标识码：ＡＲｅｓｅａｒｃｈＳｔａｔｕｓａｎｄ

ＲｅｖｉｅｗｏｆｔｈｅＤｅｖｅｌｏｐｍｅｎｔ

ｏｆＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎＷＡＮＧＢｏ—ｃｈｅｎ９１，ＳＨＩＪｉｎ—ｃｌａｎ２，ＷＡＮＧＫａｉ３

（１．Ｕｎｉｔ

９１８６８ｏｆＰＬＡ，Ｓｈａｎｙａ６７５０００，Ｃｈｉｎａ；２．Ｕｎｉｔ６３９６１ｏｆ

ＰＬＡ，Ｂｅｉｊｉｎｇ１０００１２，Ｃｈｉｎａ；

３．ＴｈｅＭｉｌｉｔａｒｙＤｅｐｕｔｙＯｆｆｉｃｅｏｆｔｈｅＳｅｃｏｎｄＡｒｔｉｌｌｅｒｙｉｎＸｉａｏｇａｎ

Ｃｉｔｙ，Ｘｉａｏｇａｎ４３２１００，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：ＰａｒｔｉｃｌｅＳｗａｒｍ

Ｏｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯ）ｉｓ

ａｎ

ｏｐｔｉｍｉｚａｔｉｏｎｔｅｃｈｎｉｑｕｅｂａｓｅｄ

ｏｎ

ｓｗａｒｌｎ

ｉｎｔｅｌｌｉｇｅｎｃｔ．Ｉｔ

ｉｓｗｉｄｅｌｙｕｓｅｄａｎｄｒａｐｉｄｌｙｄｅｖｅｌｏｐｅｄｆｏｒｉｔｓｅａｓｙｉｍｐｌｅｍｅｎｔａｔｉｏｎａｎｄｆｅｗｐａｒｔｉｃｌｅｒｅｑｕｉｒｅｄｔｏｂｅｔｕｎｅｄ．Ｔｈｅｂａｃｋｇｒｏｕｎｄ

ａｎｄ

ｔｈｅｍａｉｎｉｄｅａｏｆｔｈｅｐｒｉｎｃｉｐｌｅｏｆＰＳＯ

ａｌｅ

ｐｒｅｓｅｎｔｅｄ，ｔｈｅａｄｖａｎｔａｇｅｓａｎｄ．ｔｈｅｓｈｏｒｔｃｏｍｉｎｇｓ

ａｌｅｓｕｍｍａｒｉｚｅｄ．ＡｃｃｏｒｄｉｎｇｔｏｔｈｅｄｉｆｆｅｒｅｎｔｄｉｒｅｃｔｉｏｎｓｏｆｔｈｅｒｅｓｅａｒｃｈｏｆＰＳＯ，ｔｈｅ

ｓｔａｔｕｓ

ｑｕｏｏｆＰＳＯｉｓｓｕｍ－

ｍａｒｉｚｅｄ，ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｉｓａｎａｌｙｚｅｄ．Ｔｈｅ

ｆｕｒｔｈｅｒｒｅｓｅａｒｃｈｏｆＩＸ５０ｉｓｐｒｅｓｅｎｔｅｄａｎｄｔｈｅＢｅｎｄｏｆＰＳＯｄｅ－

ｖｅｌｏｐｍｅｎｔｉｓｐｒｏｓｐｅｃｔｅｄ．Ｋｅｙｗｏｒｄｓ：ｐａｒｔｉｃｌｅｓｗａｒｌｎ

ｏｐｔｉｍｉｚａｔｉｏｎ（ｎｏ）；ｃｏｍｐｌｅｘ

ａｄａｐｔｉｖｅｓｙｓｔｅｍ；ｓｗａｒｍｉｎｔｅｌｌｉｇｅｎｃｅ

或进化包括：新层次的产生；分化和多样性的出现；

１

引言

新的、更大的主体的出现等。ＣＡＳ有４个基本特点：如何利用生物技术研究计算问题是人工智能研首先，主体是主动的、活的实体；其次，个体与环境及究的重要方向之一。随着复杂适应系统（Ｃｏｍｐｌｅｘ

其它个体的相互影响、相互作用，是系统演变和进化Ａｄａｐｔｉｖｅ

Ｓｙｓｔｅｍ，ＣＡＳ）理论于１９９４年正式提出，基

的主要动力；再次，将宏观和微观有机地联系起来；于该理论的群智能算法也随之飞速发展。ＣＡＳ中的

最后，系统引入了随机因素。粒子群优化算法（Ｐａｒ－

成员称为主体，主体有适应性，它能够与环境及其它ｔｉｃｌｅ

ｓｗａｒｍ

Ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）是由Ｋｅｎｎｅｄｙ和

主体进行交流，并且在交流的过程中“学习”或“积Ｅｂｅｒｈａｒｔ于１９９５年提出的一种新的全局优化进化累经验”改变自身结构和行为［１】。整个系统的演变

算法，也是一种非常有效而被广泛应用的迭代优化

收稿日期：２００８－０２—０４：修回日期：２００８－０３－２５

７