粒子群優(yōu)化算法(ParticleSwarm Optimization，PSO)是一種基于群智能的進化計算技術(shù)，是由Kennedy和Eberhart在1995年提出，由于粒子群優(yōu)化算法具有收斂速度快、運算簡單、易于實現(xiàn)等優(yōu)點，近年來吸引了許多研究者的關(guān)注和研究，并被應(yīng)用于解決組合優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、參數(shù)優(yōu)化等領(lǐng)域，取得了較好的效果，在實際應(yīng)用中，往往由于算法的參數(shù)設(shè)計或者是粒子數(shù)的選擇不恰當(dāng)?shù)仍?，?dǎo)致在計算的過程中，粒子的多樣性迅速的消失，造成算法“早熟”現(xiàn)象，從而導(dǎo)致算法不能收斂到全局極值點。

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文