第11章　粒子群算法及其模式识别

粒子群算法（Particle Swarm Optimiztion，PSO）是一种有效的全局寻优算法，最初由美国学者Kennedy和Eberhart于1951年提出。它是基于群体智能理论的优化算法，通过群体中粒子间的合作与竞争产生的群体智能指导优化搜索。与传统的进化算法相比，粒子群算法保留了基于种群的全局搜索策略，但是采用的速度—位移模型操作简单，避免了复杂的遗传操作，它特有的记忆可以动态跟踪当前的搜索情况而相应调整搜索策略。由于每代种群中的解具有“自我”学习提高和向“他人”学习的双重优点，从而能在较少的迭代次数内找到最优解。目前该方法已广泛应用于函数优化、数据挖掘、人工神经网络训练等领域。