黄珍+潘颖+曹晓丽

摘 要 粒子算法是一种随机优化的技术，它的理论来自于两位博士在观察鸟群寻找食物和鱼群们学习行为中。这样的理论，在世界上许多领域都被应用的十分广泛。而在优化的过程之中，粒子群算法很多自己独特的地方。比如它们需要调整的参数不多，结构也不复杂，收敛速度快。文章着重介绍对粒子群算法在不同地方的不同作用，讨论粒子群算法的改进以及未来的粒子算法的发展。

关键词 粒子群算法；学习因子；收敛性

中图分类号：TP301 文献标识码：A 文章编号：1671-7597（2014）05-0037-01

在1995年，Ebrhart博士和Kennedy博士在日常的学习观察中发现鸟群在寻找自己的食物时，鱼群的学习行为。粒子群算法是由几种思想集合而成。它们分别是生命、鸟群觅食、鱼群学习、群理论。它还吸纳了进化算法的特长之处。标准粒子群算法也被称为PSO，它的算法的基本原理十分简单，它所用到的参数也很少，在进化初期收敛的速度很快，也相对容易被实现。很多学者对它有极大的关注，在它被第一次提出来的时候。它发展很快，短短的时间内，就得到极大的发展。对于不同的需求方向，粒子群优化算法有不同的应用。训练博弈代理、图像和数据聚类、优化设计、模型选择、生物信息学、数据挖掘、机器学习与训练、模式识别、信号控制、函数优化等等的方面。

1 标准粒子群算法原理

粒子群算法被提出至今，就在数学家，工程师，物理学家，心理学家等等不同领域的人们中被进行了无数次的分析，和无数次的实验中被进行了无数次的变形和改造。……