粒子群优化方法若干特性分析

？粒子群优化算法(Particleswarmoptimizer,PSO)是一种基于群体智能的优化方法.本文提出了标准粒子群优化方法按迭代时间展开的一般性描述公式.在此基础上分析了标准PSO的优化机理,基于群体社会信息和自身历史经验的情况下,推导了粒子最大搜索空间的数学描述.通过将粒子运动的一般性描述图解为历史状态加权和的形式,进一步证明了PSO参数随迭代周期的积累,在概率意义上的遗忘特性.分析表明在经过一定周期的搜索后,标准PSO方法同Barebones粒子群方法(Barebonesparticleswarm,BBPS)具有近似的搜索机制.从信息传递的角度,PSO的搜索策略是一种在概率意义上具有遗忘特性的历史信息加权求和的结果.本文的研究结果对标准粒子群算法的一些重要性质(如:遗忘特性、标准PSO与BBPS间的相似性等)进行了合理解释.