机器学习实战应用案例100篇(二十三)-粒子群算法从原理到实战应用案例
【摘要】
粒子群优化算法(原理)
1 粒子群算法简介
粒子群算法(Particle swarm optimization, PSO)是一种仿生算法,它是一种 在求解空间中寻找最优解 的简单算法。它与其他优化算法的不同之处在于,它只需要 目标函数,不依赖于目标的梯度或任何微分形式。它也有很少的超参数。
粒子群算法...
粒子群优化算法(原理)
1 粒子群算法简介
粒子群算法(Particle swarm optimization, PSO)是一种仿生算法,它是一种 在求解空间中寻找最优解 的简单算法。它与其他优化算法的不同之处在于,它只需要 目标函数,不依赖于目标的梯度或任何微分形式。它也有很少的超参数。
粒子群算法是由Kennedy和Eberhart在1995年提出的。正如在最初的论文中提到的,社会生物学家认为一群鱼或一群鸟在一个群体中移动,可以从所有其他成员的经验中获益
。
换句话说,当一只鸟在空中随机寻找食物时,鸟群中的所有鸟都可以 分享 他们的发现,并帮助整个鸟群获得最佳狩猎。
PSO算法将待解决的 优化问题看作是鸟群捕食的过程,其 飞行空间 即为优化问题的解空间,而 捕食空间 中的 1个粒子,即为待解决的 1个解。
具体来说,在某一 D维空间 的目标搜索空间中,有一个种群大小为M
的粒子群,其中第i
个粒子在t时刻的状态由 速度和位置 2个 向量 来描述。
文章来源: wenyusuran.blog.csdn.net,作者:文宇肃然,版权归原作者所有,如需转载,请联系作者。
原文链接:wenyusuran.blog.csdn.net/article/details/123677469
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)