Python编程实现粒子群算法(PSO)详解


Posted in Python onNovember 13, 2017

1 原理

粒子群算法是群智能一种,是基于对鸟群觅食行为的研究和模拟而来的。假设在鸟群觅食范围,只在一个地方有食物,所有鸟儿看不到食物(不知道食物的具体位置),但是能闻到食物的味道(能知道食物距离自己位置)。最好的策略就是结合自己的经验在距离鸟群中距离食物最近的区域搜索。

利用粒子群算法解决实际问题本质上就是利用粒子群算法求解函数的最值。因此需要事先把实际问题抽象为一个数学函数,称之为适应度函数。在粒子群算法中,每只鸟都可以看成是问题的一个解,这里我们通常把鸟称之为粒子,每个粒子都拥有:

位置,可以理解函数的自变量的值;
经验,也即是自身经历过的距离食物最近的位置;
速度,可以理解为自变量的变化值;
适应度,距离食物的位置,也就是函数值。

粒子群算法的过程

Python编程实现粒子群算法(PSO)详解

                                              PSO流程图

初始化。包括根据给定的粒子个数,初始化粒子,包括初始化一下的值:

位置:解空间内的随机值;
经验:与初始位置相等;
速度:0;
适应度:根据位置,带入适应度函数,得到适应度值。
更新。包括两部分:
粒子自身信息:包括根据下面的公式更新粒子的速度、位置,根据适应度函数更新适应度,然后和用更新后的适应度和自身经验进行比较,如果新的适应度由于经验的适应度,就利用当前位置更新经验;

Python编程实现粒子群算法(PSO)详解

速度更新公式

Python编程实现粒子群算法(PSO)详解

位置更新公式

上面公式中:i表示粒子编号;t表示时刻,反映在迭代次数上;w是惯性权重,一般设置在0.4左右;c表示学习因子,一般都取值为2;Xpbest表示的是粒子i的经验,也即是粒子i所到过最佳位置;Xgbest代表的是全局最优粒子的位置;r是0到1之间的随机值。

种群信息:把当前适应度和全局最优位置的适应度进行比较,如果当前适应度优于全局最优的适应度,那么久用当前粒子替换群居最优。

判断结束条件。结束条件包括最大迭代次数和适应度的阈值。

2 代码

实验环境为python 2.7.11。

这个代码最初是用于求解一维最大熵分割图像问题的,因此是求解函数最大值,如果需要求解最小值,把代码中的大于号全部改成小于号就可以了。

首先需要解决的是粒子的存储,我第一反应是利用结构体来存储,但是python并没有相应的数据结构,所以我选择用一个类来表示粒子结构,该类的一个对象就是一个粒子,上代码:

class bird:
 """
 speed:速度
 position:位置
 fit:适应度
 lbestposition:经历的最佳位置
 lbestfit:经历的最佳的适应度值
 """
 def __init__(self, speed, position, fit, lBestPosition, lBestFit):
  self.speed = speed
  self.position = position
  self.fit = fit
  self.lBestFit = lBestPosition
  self.lBestPosition = lPestFit

接下来就是粒子群算法的主干部分,用一个类来封装,代码:

import random

class PSO:
 """
 fitFunc:适应度函数
 birdNum:种群规模
 w:惯性权重
 c1,c2:个体学习因子,社会学习因子
 solutionSpace:解空间,列表类型:[最小值,最大值]
 """
 def __init__(self, fitFunc, birdNum, w, c1, c2, solutionSpace):
  self.fitFunc = fitFunc
  self.w = w
  self.c1 = c1
  self.c2 = c2
  self.birds, self.best = self.initbirds(birdNum, solutionSpace)

 def initbirds(self, size, solutionSpace):
  birds = []
  for i in range(size):
   position = random.uniform(solutionSpace[0], solutionSpace[1])
   speed = 0
   fit = self.fitFunc(position)
   birds.append(bird(speed, position, fit, position, fit))
  best = birds[0]
  for bird in birds:
   if bird.fit > best.fit:
    best = bird
  return birds,best

 def updateBirds(self):
  for bird in self.birds:
   # 更新速度
   bird.speed = self.w * bird.speed + self.c1 * random.random() * (bird.lBestPosition - bird.position) + self.c2 * random.random() * (self.best.position - bird.position)
   # 更新位置
   bird.position = bird.position + bird.speed
   # 跟新适应度
   bird.fit = self.fitFunc(bird.position)
   # 查看是否需要更新经验最优
   if bird.fit > bird.lBestFit:
    bird.lBestFit = bird.fit
    bird.lBestPosition = bird.position

 def solve(self, maxIter):
  # 只考虑了最大迭代次数,如需考虑阈值,添加判断语句就好
  for i in range(maxIter):
   # 更新粒子
   self.updateBirds()
   for bird in self.birds:
    # 查看是否需要更新全局最优
    if bird.fit > self.best.fit:
     self.best = bird

有了以上代码,只需要自定义适应度函数fitFunc就可以进行求解,但是需要注意的是只适用于求解 一维问题 。

总结

以上就是本文关于Python编程实现粒子群算法(PSO)详解的全部内容,希望对大家有所帮助。感兴趣的朋友可以继续参阅本站:Python算法输出1-9数组形成的结果为100的所有运算式、Python内存管理方式和垃圾回收算法解析、Python随机生成均匀分布在单位圆内的点代码示例等,有什么问题可以随时留言,小编会及时回复大家的。感谢朋友们对本站的支持!

Python 相关文章推荐
python数据结构之链表的实例讲解
Jul 25 Python
使用Python获取并处理IP的类型及格式方法
Nov 01 Python
python 对多个csv文件分别进行处理的方法
Jan 07 Python
pycharm修改界面主题颜色的方法
Jan 17 Python
PyQt 实现使窗口中的元素跟随窗口大小的变化而变化
Jun 18 Python
python实现把两个二维array叠加成三维array示例
Nov 29 Python
pytorch中tensor张量数据类型的转化方式
Dec 31 Python
flask 实现上传图片并缩放作为头像的例子
Jan 09 Python
Django User 模块之 AbstractUser 扩展详解
Mar 11 Python
python获取天气接口给指定微信好友发天气预报
Dec 28 Python
利用python调用摄像头的实例分析
Jun 07 Python
python编程实现清理微信重复缓存文件
Nov 01 Python
人工智能最火编程语言 Python大战Java!
Nov 13 #Python
Python随机生成均匀分布在单位圆内的点代码示例
Nov 13 #Python
python、java等哪一门编程语言适合人工智能?
Nov 13 #Python
K-means聚类算法介绍与利用python实现的代码示例
Nov 13 #Python
python通过opencv实现批量剪切图片
Nov 13 #Python
flask + pymysql操作Mysql数据库的实例
Nov 13 #Python
django之session与分页(实例讲解)
Nov 13 #Python
You might like
PHP 面向对象 PHP5 中的常量
2010/05/05 PHP
php输入流php://input使用示例(php发送图片流到服务器)
2013/12/25 PHP
跟我学Laravel之请求与输入
2014/10/15 PHP
深入讲解PHP的Yii框架中的属性(Property)
2016/03/18 PHP
PHP面向对象程序设计重载(overloading)操作详解
2019/06/13 PHP
php使用json-schema模块实现json校验示例
2019/09/28 PHP
jquery中event对象属性与方法小结
2013/12/18 Javascript
基于html5和nodejs相结合实现websocket即使通讯
2015/11/19 NodeJs
javascript实现在网页中运行本地程序的方法
2016/02/03 Javascript
Javascript动画效果(3)
2016/10/11 Javascript
js实现倒计时效果(小于10补零)
2017/03/08 Javascript
JavaScript数据结构之链表的实现
2017/03/19 Javascript
vue中使用cookies和crypto-js实现记住密码和加密的方法
2018/10/18 Javascript
Vue中用props给data赋初始值遇到的问题解决
2018/11/27 Javascript
vue-router 起步步骤详解
2019/03/26 Javascript
JS数组扁平化(flat)方法总结详解
2019/06/24 Javascript
小程序如何在不同设备上自适应生成海报的实现方法
2019/08/20 Javascript
BootStrap前端框架使用方法详解
2020/02/26 Javascript
微信小程序开发打开另一个小程序的实现方法
2020/05/17 Javascript
如何在JS文件中获取Vue组件
2020/09/16 Javascript
在vue中实现某一些路由页面隐藏导航栏的功能操作
2020/09/21 Javascript
如何利用JS将手机号中间四位变成*号
2020/09/29 Javascript
Python实现过滤单个Android程序日志脚本分享
2015/01/16 Python
解决pyqt中ui编译成窗体.py中文乱码的问题
2016/12/23 Python
Python获取当前页面内所有链接的四种方法对比分析
2017/08/19 Python
Python数据结构与算法之图的基本实现及迭代器实例详解
2017/12/12 Python
基于Python pip用国内镜像下载的方法
2018/06/12 Python
详解Python中pyautogui库的最全使用方法
2020/04/01 Python
微软美国官方网站:Microsoft美国
2018/05/10 全球购物
伊莱克斯阿根廷网上商店:Tienda Electrolux
2021/03/08 全球购物
自我评价是什么
2014/01/04 职场文书
春季运动会广播稿大全
2014/02/19 职场文书
应届生求职自荐信范文
2015/03/04 职场文书
地道战观后感300字
2015/06/04 职场文书
Nginx同一个域名配置多个项目的实现方法
2021/03/31 Servers
只用Python就可以制作的简单词云
2021/06/07 Python