【摘要】：作为一种新颖的计算智能方法，粒子群优化算法从其出现至今的十多年时间里，研究者在算法的理论、性能改进、应用等方面做了大量的研究。利用PSO算法与其他智能优化算法甚至自然界中其他思想相互协作解决优化问题，实现算法之间的优势互补。本章首先介绍粒子群优化算法的思想起源和发展，接着从以上五个方面概括粒子群优化算法的研究现状。
第2章 粒子群优化算法研究现状
作为一种新颖的计算智能方法，粒子群优化算法从其出现至今的十多年时间里，研究者在算法的理论、性能改进、应用等方面做了大量的研究。2004年IEEE Transactions on Evolutionary Computation出版了Special Issue on PSO，前言中指出了PSO未来研究工作中的五个方面［53］。①理论分析。对PSO算法的理论分析有助于建立此算法的体系，有助于算法的设计和改进，然而这方面的工作相对于其他计算智能算法来说显得不够。②种群结构。在PSO算法中，粒子之间通过相互学习寻找最优解，这种学习通过共享粒子所发现的最优解来实现，所以粒子之间的信息共享方式对算法的性能有着至关重要的影响。粒子之间的信息共享方式体现为粒子群的邻域拓扑结构，因此对粒子群的邻域拓扑结构进行研究可以深刻理解PSO算法的工作方式进而提高PSO算法的性能。③参数优化。如何提出具体的参数设定准则和优化策略对PSO算法性能起着举足轻重的作用。④与其他演化计算思想的融合。利用PSO算法与其他智能优化算法甚至自然界中其他思想相互协作解决优化问题，实现算法之间的优势互补。⑤应用研究。PSO算法在电力、通信、工业、医学等领域已经有广泛地应用，然而实际问题不断涌现，因此仍需要进一步加大推广PSO的应用研究。本章首先介绍粒子群优化算法的思想起源和发展，接着从以上五个方面概括粒子群优化算法的研究现状。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
