粒子群算法是什么

粒子群算法是一种模拟鸟群觅食行为的智能优化算法。1995年由Kennedy和Eberhart提出，算法中每个粒子代表一个潜在解，在搜索空间中移动并记录自身最佳位置和群体最佳位置。粒子速度和位置通过公式更新，公式包含惯性权重、认知系数和社会系数三个参数。算法已成功应用于函数优化、神经网络训练、路径规划等领域。实际应用中，粒子数量一般设为20-50个，迭代次数通常为100-500次。

粒子群算法的核心优势是简单易实现且收敛速度快。算法不需要梯度信息，适合处理非线性、不可导的复杂问题。工程实践中，粒子群算法已解决天线设计、电力系统调度、图像分割等难题。参数设置对算法性能影响显著，惯性权重一般取0.4-0.9，认知和社会系数常设为2。与遗传算法相比，粒子群算法没有交叉和变异操作，计算开销更小，特别适合实时优化场景。