2.2.1基本粒子群算法

在上个世纪末期出现的粒子群算法(PSO) ^[20]得到了较多的关注，该算法已经应用到了最优化问题求解等领域中。从原理上来看，该算法主要是根据鸟类的觅食行为来获取最佳的策略。粒子群算法应用的优势主要体现在全局寻优、效率高、参数少等方面，应用的前景较为广阔。

在该算法中，假定每个觅食的鸟相当于寻优中的粒子，鸟群获取的食物量代表对应的适应度值。在鸟持续觅食的过程中，会彼此传递食物信息，基于这种信息共享的方式，使得较多的鸟倾向朝着食物多的方向移动，所以它们在方向和速度上会出现变化。粒子主要利用自身经验以及其他粒子的最优的经验来对下一步运动进行决策。该算法在迭代过程中主要基于"极值"实现自我的更新，具体包括个体极值与全局极值。