含边界变异的粒子群优化算法

标准PSO中，当某个粒子在搜索过程中飞出可行域时，通常的处理方式是使该粒子的位置处于边界上，即采用策略：
where (X > Xmax) X = Xmax
where (X < Xmin) X = Xmin

这样做的缺点是，如果边界附近存在着局部最优，很容易使粒子陷入局部最优点，从而产生停滞。
阅读全文 >

量子粒子群算法

量子粒子群算法(Quantum-behaved Particle Swarm Optimization)简称QPSO算法是对整个PSO算法进化搜索策略的改变，进化方程中不需要速度向量，而且进化方程的形式更简单，参数更少且更容易控制，全局搜索性能更佳。
阅读全文 >

粒子群优化算法

什么是粒子群优化算法

粒子群优化算法(Particle Swarm optimization,PSO)又翻译为粒子群算法、微粒群算法、或微粒群优化算法。是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。通常认为它是群集智能 (Swarm intelligence, SI) 的一种。它可以被纳入多主体优化系统 (Multiagent Optimization System, MAOS)， 是由Eberhart博士和kennedy博士发明。
阅读全文 >