浅谈粒子群算法的学习方法-Particle Swarm Optimisation

粒子群算法自提出已经被广泛的应用，其实质是一个向其全局最优点收敛的过程，在收敛的过程中根据个体当前位置和速度，个体经验和种群经验进行新的位置和速度的更新，因为在这更新的过程中会有新的点被访问到，所以新的个体与全局位置就有可能在这一过程中被不断的更新，当全局最优点被更新以后，因为收敛中心发生变化所以整个粒子群又会向新的收敛中心收敛，不断的进行这种收敛中心的变化来找到我们想要的最优点。但是由于其收敛的速度快，导致在这一过程中，可能还没访问到我们初始设想的位置，其就因为收敛而不能继续探索新的空间，或者由于我们所模拟的问题不是一个连续性问题，由于粒子群算法本身访问的随机性导致不能访问到我们设想的空间点。算法个人认为基于这种遍历看似随机又基于一定的个体和种群的经验来飞行的特点，在一定程度上可以避免进行全搜索。其原始的算法比较适合解决全局只有一个最优点的问题，目前关于粒子群的改进算法和方向很多，从最初的全局最优点到多个全局最优点的查找，即粒子群在多目标问题上的模拟。

       如果是初次学习粒子群算法，建议可以看些综述性文章或书籍。之前一直都是看相关的论文来学习，后面偶然发现由潘峰、李位星、高琪等写的出版的《粒子群优化算法与多目标优化》，发现涵盖知识点还是比较全面的，特别是其给出的相关参考文献，可以帮助我们更有方向的进行学习。所以初学最好有本导论书籍，因为里面蕴含的知识点会帮助我们更快更全面的对算法本质、应用和改进有更全面的了解。