最大值) 如果粒子位置(Xi)发现改变，则计算新的适应度(x-
fitness)。如果新的适应度优于p-fitness, 则: Pi = Xi ,pfitness = x-fitness.
2.群体智能
– 描述具有社会行为的一种生物学的(群体的) 系统
– 简单个体在其所处环境相互之间的集体行为 – 在群体智能领域有两种主要的群体智能方法:
• 蚁群算法 (ACO) • 粒子群优化算法(PSO)
3. 粒子群优化算法 （1）粒子群算法的特点
模仿智能动物的智能集体行为
1995年由James Kennedy和Russell Eberhart 提
4. 计算智能的主要杂志和国际会议：IEEE Computational Society () 主要杂志：
IEEE Computational Intelligence Magazine IEEE Transactions on Neural Networks IEEE Transactions on Fuzzy Systems IEEE Transactions on Evolutionary Computation IEEE/ACM Transactions on Computational Biology and Bioinformatics IEEE Transactions on Information Forensics and Security IEEE Transactions on NanoBioscience IEEE Transactions on Nanotechnology
International Joint Conference on Neural Networks (IJCNN )
IEEE Congress on Evolutionary Computation (CEC)
（二）. 一般粒子群算法(PSO)
出[Kennedy, J. and Eberhart, R. (1995). “Particle Swarm Optimization”,
Proceedings of the 1995 IEEE International Conference on Neural Networks, pp. 1942-1948, IEEE Press.] (/members/payman/swarm/kennedy95-ijcnn.pdf )
1. 进化计算的分类
（1）传统的进化算法：进化策略(Evolution Strategy)、 进化规划(Evolution Programming)、遗传算法(Genetic Algorithm)、遗传规划(Genetic Programming)
（2） 协同进化计算：引入生态系统中多种群的思想 （3）群体智能
具有量子行为的粒子群优化 算法
内容提要
（一）. 绪论 （二）. 一般粒子群算法(PSO) （三）. 具有量子行为的粒子群优化算法（QPSO） （四）. QPSO中粒子的收敛性 （五）.标准测试函数的实验结果 （六）. 未来的工作
（一）. 绪论
1.人工智能的分类：
（1）符号智能：通常我们将基于符 号处理的传统人工智能称为符号智能， 以．符号智能的特点是以知识为基础， 偏重于逻辑推理。
主要会议：
IEEE Symposium Series on Computational Intelligence (IEEE SSCI)
IEEE International Conference on Fuzzy Systems (FUZZ-IEEE)
被成功的应用到各种优化问题中
在PSO 算法中,包含n个个体的群体在各自的搜索 方向上直接或间接的交互信息
:每个粒子(个体)包含:
3个向量:
• X向量记录了粒子在搜索空间的当前位置 • P向量记录了粒子所找到的当前最优解的位置 • V向量包含了粒子在不受干扰的情况下位置的改变
2个适应度值:
w - 惯性因子.
25
20
15 Vid(t-1)
v(k)
10
Vid(t) v(k+1)
pbesPt id
5
Pgdgbest
粒子群优化算法 图示
5
10
15
20
25
3. 粒子群优化算法的群体收搜策略
在粒子群优化算法中，粒子不会消失. 每个 初始速度在[-Vmax, Vmax]间取随机值.(Vmax是速度的
粒子按下列方程进行进化
速度方程
vid(t)=w*vid(t-1)+c1*rand()*(pid-xid(t-
1))+c2*rand()*(pgd-xid(t-1))
位置方程
xid(t)=xid(t-1)+vid(t)
xid –第i个粒子当前位置的第d维. vid –第i个粒子的当前速度的第d维. Pid –第i个粒子目前最优位置的第d维. Pgd – 群体最优位置的第d维. c1, c2 –加速因子.
• X适应值记录了x向量的适应值 • P适应值记录了p向量的适应值
粒子群优化算法
粒子状态
Ii
X = <xi0,xi1,…,xin-1> P = <pi0,pi1,…,pin-1> V = <vi0,vi1,…,vin-1>
x_fitness = ? p_fitness = ?
2. 粒子群优化算法的迭代方程
（2）计算智能
2.计算智能的定义：计算智能是以模型 (计算模型、数学模型)为基础、以分布 并行计算为特征的模拟人以及其他智能 生命的智能求解问题的理论与方法。是 人工智能的新研究领域.
3. 计算智能的分类
（1）神经计算 在细胞的水平上模拟脑功能 （2）模糊计算 以模糊集理论为基础，模拟人脑非精确、非线性的信息处理能 力 （3）进化计算 以进化论为基础，模拟生物群体进化的一类优化算法 （4）其它计算智能方法 人工免疫、人工生命、粗糙集理论等