知识卡片
粒子群以协作竞争搜索
粒子群优化(PSO)让一组候选解(每个候选解称为一个“粒子”)在解空间中迭代搜索:各粒子按适应度比较位置好坏,并追随当前最好的粒子移动,以个体间的协作和竞争实现全局搜索。它不依赖遗传算法的交叉与变异,概念较简单、参数较少;搜索效果仍需结合具体问题和后续更新机制评估。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 4 . 1 粒 子 群 算 法 起 源 · 查看原书依据
与遗传算法类似,它通过个体间的协作和竞争实现全局搜索,相比较而言,它的概念简单,算法中需要调整的参数少,也便于计算机编程实现,并且算法中粒子在解空间中追随最优的粒子进行搜索,而不需要像遗传算法那样使用交叉以及变异操作。
参考来源
- 位置:《智能算法导论》第 4 章 4.1 节“粒子群算法起源”(源文件:`EPUB/xhtml/chapter4_0001.xhtml`)。
- 结论依据:原文将粒子群算法定义为迭代优化工具,并说明粒子追随最优粒子搜索,借助群体协作竞争实现全局搜索。
- 原始内容:它通过个体间的协作和竞争实现全局搜索,相比较而言,它的概念简单,算法中需要调整的参数少,也便于计算机编程实现。