通过对公式（1）的分析可以发现，通过三个因素来决定

 

 

 

 

 

http://dsp.szu.edu.cn/DSP2006/research/areas/T08/papers/parallel/%E5%B9%B6%E8%A1%8C%E4%BB%BF%E7%9C%9F%E7%9A%84%E7%B2%92%E5%AD%90%E7%BE%A4%E4%BC%98%E5%8C%96%E7%AE%97%E6%B3%95%E5%BC%82%E6%AD%A5%E6%A8%A1%E5%BC%8F%E7%A0%94%E7%A9%B6%E2%80%94%E2%80%9405.pdf

通

过对公式（

 

1

）的分析可以发现，通过三个因素来决定

第

 

i 个粒子的新速度-V

i

，即前一时刻的速度

 

-V

i

、当前位置距

粒子自身最好位置的距离和当前位置距群体最好点的距离，

然后根据公式（

 

2

）调整粒子位置。从社会学角度来说，公式

（

 

1

）的第二部分表示粒子的移动源于自身经验的部分，第三

部分表示粒子动作受群体经验的影响。因此公式（

 

1

）充分反

映了粒子依据自身经验以及群体最好经验来决定下一步的

运动，这

与人类的决策极其相似。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

-

 

Vi = w*-Vi + c1*r1*（4Qi - -X

i

）

 

+ c2*r2*（4Qg - -X

i

）

（

 

1

）

-

 

Xi = -Xi + -V

i

（

 

2

）

其中

 

i = 1，2，⋯n。式（1）中，c1、c2

是两个非负的学习因

子，

 

r1、r2 为均匀分布于［1，2］之间的随机数，w

是惯性因子，

它对

 

PSO 算法的收敛性起到重要作用，通过调整w

可以控制

前一时刻速度对新移动速度的影响。较大的

 

w

有助于粒子

搜索更大的空间，发现新的解域；较小的

 

w

有利于在当前解

空间搜索更好的解。在

 

PSO 算法中，通常设计w

随迭代次数

衰减，从而使得开始时在较大空间内搜索，在迭代后期逐步

收缩到较小空间进行更为细致的搜索，得到较好的优化结

果。可以由式（

 

3）确定w

。

W = W

 

max - Wmax - W

min

T

 

max

× T

 

（3

）

其中

 

W

max

、

 

W

min

、

 

T

max

和

 

T

分别表示最大设定的最大惯性

因子、最小惯性因子、最大迭代次数和当前迭代次数。

通过对公式（

 

1

）的分析可以发现，通过三个因素来决定

第

 

i 个粒子的新速度-V

i

，即前一时刻的速度

 

-V

i

、当前位置距

粒子自身最好位置的距离和当前位置距群体最好点的距离，

然后根据公式（

 

2

）调整粒子位置。从社会学角度来说，公式

（

 

1

）的第二部分表示粒子的移动源于自身经验的部分，第三

部分表示粒子动作受群体经验的影响。因此公式（

 

1

）充分反

映了粒子依据自身经验以及群体最好经验来决定下一步的

运动，这与人类的决策极其相似。