伊成山，赵天真

（1.青海民族大学，西宁810000；2.浙江工业大学，杭州310014）

自1995年Kenney和Eberhard提出了粒子群优化算法（particle swarm optimization，PSO）[1]以来，相关专家学者们就开始对该算法展开深入的研究。

1 粒子群优化算法

粒子群优化算法是目前多数进化约束算法的一种，其基本原理就是一种随机的搜索算法。粒子群优化算法不局限于问题的具体领域，且其有比较大的收敛速度并能寻找全局最优，因此它在各领域应用十分广泛，例如在机器人的智能控制、工程设计问题、电力系统领域和交通运输等多方面学科领域。

PSO算法的特点具体如下：

1）PSO算法的构成要素较简单，主要由粒子群编码方法、个体适应度值和参数运行。

2）PSO算法不需要调节太多的参数，仅仅几个参数就可以对算法流程和结果产生直接的影响。

3）PSO算法比进化算法有更高效的并行搜索算法，计算速度更快，优化程度更高。

1.1 粒子群优化算法原理

通过自然界生物行为的基本特征，根据简单普遍的生存规则，利用先进的计算机网络技术将一些普遍的规则和特征转换为计算机语言，用模拟生物个体行为的方法解决众多应用领域的复杂过程。

在基本的粒子优化群算法中，每一个最优值的可能解都由一个粒子表示，所有的粒子在一起则会组成一个像鸟类集群似的群体。然后粒子会根据不断更新的群体信息和自身历史信息在整个解空间中改变其“飞翔”的方向及速度，在解空间中粒子会追随当前的最优粒子[2]，以此寻找最优解。……