粒子群、野草、風(fēng)驅(qū)三種智能算法基本介紹

粒子群算法（PSO）是一種基于迭代的優(yōu)化工具，一種基于群體的隨機優(yōu)化技術(shù)。系統(tǒng)初始化為一組隨機解,通過迭代搜尋最優(yōu)值。采用群體解的合作機制來迭代產(chǎn)生最優(yōu)解。粒子群算法的優(yōu)點是概念簡單、容易實現(xiàn)，需要調(diào)節(jié)的參數(shù)偏少。其原理是：PSO算法首先初始化一群隨機粒子（隨機解），在搜索空間中以一定的速度飛行，然后通過迭代找到最優(yōu)解。在每一次迭代中，粒子通過跟蹤兩個極值來更新自己，第一個就是粒子本身所找到的最優(yōu)解，另一個極值是整個種群目前找到的最優(yōu)解。設(shè)第i個粒子為Xi=（xil,Xi2,……xid）,它經(jīng)歷的最好位置（最好的適應(yīng)值，每個函數(shù)都有一個由被優(yōu)化函數(shù)決定的適應(yīng)度值）用Pbest表示,而群體所經(jīng)過的最好位置用gbest表示。粒子速度用Vi=（vil,vi2,……vid）表示。對每一代個體，其第d維（lWdWD）的速度和位置變化遵循下面公式：唄="%+5F血心（）*（P力一唏）+S曲皿WP崗-呵）xid~xid_唏其中w為慣性權(quán)重，cl和c2為加速常數(shù)，randl和rand2為在0?1內(nèi)變化的隨機函數(shù)。此外，粒子的速度vi受最大速度vmax的限制。粒子群算法的流程是：第一步：初始化一群粒子包括起始位置和速度；第二步：計算每個粒子的適應(yīng)度值；第三步：對每個粒子，將其適應(yīng)度值與其經(jīng)歷過的最好位置Pbest作比較，如果好于后者，則將此時的適應(yīng)度值作為當(dāng)前的最好位置Pbest；第四步：對每個粒子，將其適應(yīng)度值與全局所經(jīng)歷的最好位置gbest作比較,如果好于后者，則重新記錄的大小gbest；第五步：先根據(jù)第一個方程重新計算粒子的速度，然后根據(jù)第二個方程重新計算粒子位置；第六步：如果滿足結(jié)束條件，程序終止，否則跳轉(zhuǎn)到第二步。其次，野草算法QWO）是一種受野草啟發(fā)而提出的、基于種群的數(shù)值優(yōu)化計算方法，起執(zhí)行過程是模擬野草的殖民化過程。即通過四個步驟：初始化種群、繁殖、空間分布、競爭性生存來完成。其優(yōu)點是易于理解，易于編程實現(xiàn)。野草算法的執(zhí)行步驟是：第一步：種群初始化（參數(shù)的設(shè)置和初始解）；第二步：對于每個解，確定允許的后代個數(shù)；第三步：根據(jù)以下公式的限定，在解的每一維進行加減某個數(shù)值D的操作來產(chǎn)生新的解并評價這些新的解，，第四步：如果現(xiàn)有解的數(shù)量小于Qsize，執(zhí)行第二步，否則轉(zhuǎn)第五步；第五步：根據(jù)競爭性生存法則選取Qsize個適應(yīng)值最好的解；第六步：如果iter小于itermax，則轉(zhuǎn)到第二步，否則退出算法并輸出最優(yōu)解；其流程圖為：對于確拌大小、族胖大小、區(qū)同數(shù)嘆菖冊大崔働次數(shù)妊行設(shè)買隨機初始化對施種群，評份蒔個野卑植怵旳盤應(yīng)世并保璽最好解悵誓野草適應(yīng)誼進行酸殖，產(chǎn)土輛的種子，幷進行輦應(yīng)世評價更軒取奸斛唯腸覚辛性生存法卿対感群權(quán)株進行適應(yīng)值捋序.選址出適應(yīng)值最畫的Qs「個個依最后，風(fēng)驅(qū)算法（WDO）是一種新型的全局優(yōu)化算法，靈感來源于地球大氣層中的風(fēng)的運動，風(fēng)驅(qū)優(yōu)化算法非常適合用于離散和連續(xù)值參數(shù)的問題。對于風(fēng)驅(qū)算法來說其研究對象的空氣塊的速度和位置以如下方式變化：這里有幾個系數(shù)必須優(yōu)先選擇以開始