<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Stochastic Algorithms on MU</title><link>https://choy-mutao.github.io/tags/stochastic-algorithms/</link><description>Recent content in Stochastic Algorithms on MU</description><generator>Hugo</generator><language>zh-cn</language><atom:link href="https://choy-mutao.github.io/tags/stochastic-algorithms/index.xml" rel="self" type="application/rss+xml"/><item><title>粒子群算法</title><link>https://choy-mutao.github.io/pso_30/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://choy-mutao.github.io/pso_30/</guid><description>Particle Swarm Optimization (PSO) 粒子群优化（PSO）技术由电气工程师Russell C. Eberhart和社会心理学家James Kennedy提出并最初开发。这一方法在两篇由他们两位作者共同撰写的论文中被描述，并于1995年发表，其中一篇论文的标题正是他们提出的技术名称。
这种技术与一些社会关系、概念和行为有着深刻的联系，这些关系、概念和行为来源于这些作者对一群鸟类寻找食物的简化社会模型进行计算研究和模拟时所发现的。这一技术属于所谓的群体智能，这是自然计算中的一个重要且广泛的研究领域。
PSO方法基于这样一个前提：知识不仅存在于代与代之间的信息社会共享中，也存在于同一代元素之间的信息共享中。尽管PSO在某种程度上具有一些与其他基于群体的计算模型（如遗传算法（GA）和其他进化计算技术）相似的特征，但它具有相对简单的优势，其算法相对容易描述和实现。
实际上，由于其简单性和在复杂搜索空间中找到最优解的明显能力，PSO算法在科学界变得广为人知，这促进了对其的研究和改进。因此，许多方法被提出，并且在过去十年中，使用PSO进行了各种应用测试。</description></item></channel></rss>