1、“..... 通过群体成员之间分享关于食物位置的信息，可以大大的加快找到食物的速度， 也即是通过合作可以加快发现目标的速度，通常群体搜寻所获得利益要大于群体 成员之间争夺资源而产生的损失。这些简单的经验事实如果加以提炼，可以用如 下规则来说明当整个群体在搜寻个目标时，对于其中的个个体，它往往是 参照群体中目前处于最优位置的个体和自身曾经达到的最优位置来调整下步的 搜寻。和把这个模拟群体相互作用的模型经过修改并设计成了 种解决优化问题的通用方法，称之为粒子群优化算法。 算法的基本原理源于对鸟群捕食行为的仿真。与算法类似......”。

2、“.....同时还与类似，是种基于进化的优化工具。 在算法中，系统初始化为群随机粒子代表问题的组随机解，通过迭代来 搜寻最优值，但是并没有所使用的交叉以及变异算子，而是通过粒子在解空间 中追随最优的粒子进行搜索。与比较，算法的优势在于简单易于实现同时 又有深刻的智能背景，既适合科学研究，又特别适合工程应用。因此，算法 提出，立刻引起了演化计算等领域的学者们的广泛关注，并在短短的几年时间里 出现大量的研究成果，形成了个研究热点。 粒子群算法的应用现状 实际应用方面......”。

3、“.....下面是些具体应用。 经典优化问题求解 组合优化。旅行商问题是类经典的组合优化问题，继蚁群算法之后， 粒子群算法通过定的改进或变形也已经成功用于问题的求解，更新每个粒子的位置和飞行速度 如未达到预先设定的停止准则通常设置为最大迭代次数，则返回步骤 ，若达到则停止计算......”。

4、“.....和人 工免疫系统等等，它们被广泛应用于各种困难的优化问题的求解，虽然不能 保证获取最优解，但在问题规模较大时也能在可行时间内找到问题的满意解。 粒子群优化，算法是种新兴的优化技 术，其思想来源于人工生命和进化计算理论。算法通过粒子追随自己找到的最 好解和整个群体的最好解完成优化。为了避免算法在求解最优化问题时陷入 在局部最优及提高算法的收敛速度，提出了对算法进行改进。对无约束 和有约束最优化问题分别设计了基于算法的不同的求解方法和测试函数......”。

5、“.....仿真实验表明了改进的算法求 解最优化问题时的有效性。 以函数的优化问题为例，提出了种改进的粒子群优化算法，根据优化问题 及连续量的特点，对粒子的位置速度等量及其运算规则进行了研究，为抑制早熟 停滞现象,算法中使用高效的学习算子来提高算法的局部求精能力，使算法在空 间探索和局部求精间取得了很好的平衡，与领域中的基本算法进行仿真比较，改 进粒子群优化算法要求具有很好的性能，可以达到较优化的结果。 国内外对粒子群算法研究现状与发展趋势 粒子群优化，算法最初是由 和,于年受人工生命研究结果启发......”。

6、“.....鸟群中的每只鸟在初 始状态下是处于随机位置向各个随机方向飞行的，但是随着时间的推移，这些初 始处于随机状态的鸟通过自组织逐步聚集成个个小的群 落，并且以相同速度朝着相同方向飞行，然后几个小的群落又聚集成大的群落， 大的群落可能又分散为个个小的群落。这些行为和现实中的鸟类飞行的特性是 致的。可以看出鸟群的同步飞行这个整体的行为只是建立在每只鸟对周围的局 部感知上面......”。

7、“.....受自然隐喻的启发，人们提出了各种各样的计算智能方法，如人工 神经网络遗传算法，蚁群优化算法 ，粒子群优化算法应度函数 在求解过程中，借助于适应值来评价解的质量。因此，在求解问题时，必须 根据问题的具体特征，选取适当的目标函数或者费用函数来计算适应值，适应值 是唯能够反映并引导优化过程不断进行的参量......”。

8、“.....如粒子位置和速度的控制范 围等。针对不同的算法模型，选择适当的控制参数，直接影响算法的优化性能。 选择粒子群优化模型 目前，粒子群算法己经发展了多种位置速度计算模型，如惯性权重模 型收敛因子模型采用拉伸技术的模型二进制模型等等，在 求解不同类型优化问题时，不同模型的优化性能也有差异。由于惯性权重线 性递减模型能够有效地在全局搜索和局部搜索之间进行平衡，因此，目前这 模型得到的较多的应用。 确定算法的终止准则 与其他进化算法样......”。

9、“.....或者当搜索过程中解的适应值在连续多少代后不再发生明显改变时， 终止算法。东北石油大学本科生毕业设计论文 粒子群优化算法描述 算法原理 在年的国际神经网络学术会议上和发表了题为 的文章，在文章中提出了种新的智能优化算 法粒子群算法。算法和其他进化算法类似，也采用群体和进化的概 念，通过个体间的协作与竞争，实现复杂空间中最优解的搜索。先生成初始种 群，即在可行解空间中随机初始化群粒子，每个粒子都为优化问题的个可行 解，并由目标函数为之确定个适应值。不像其他进化算法 那样对于个体使用进化算子......”。