简单易懂的混合粒子群算法解析（包含MATLAB实现示例）

今天小编为大家讲解粒子群算法（PSO），还是和往常一样，我的目的是为了带领大家快速入门，是为了让大家在最短的时间内上手粒子群算法。

首先讲一下PSO算法的思想，还是由一个很常规的例子引入：

设想一群鸟在随机搜索食物，已知在这块区域只有一块食物，所有的鸟都不知道食物在哪，但它们能感受到当前的位置离食物有多远，那么找到食物的最优策略是什么呢？

搜寻目前离食物最近的鸟的周围区域，根据自己的飞行经验判断食物的所在。这个策略的意思就是说只要找到最“厉害”的那只鸟，跟着那只鸟就能找到食物。

---

粒子群算法的基本思想就是根据各个粒子在搜索过程中的个体最优和在每次搜索过程中最优的那个粒子（群体最优）更新个体位置。小编在这里不想介绍太多的基本概念，说实话感觉介绍那么多基本概念用处不大。

小编主要想传递的是PSO的思想，在实际用的时候，PSO大多数与其他算法结合使用，比如说在求解TSP问题时，可以引进遗传算法中交叉和变异的概念。在更新个体粒子和群体粒子的时候，个体粒子如何根据个体最优和群体最优更新自己？？？敲黑板划重点，下面是小编的个人理解，仅供参考

遗传算法中的交叉和变异思想恰好能应用到此处，比如说个体粒子先和个体最优交叉产生一个新的粒子，当然这里如果新产生的粒子没有原来粒子好，我们就舍弃这个新的粒子；与个体最优交叉完后，新的粒子还需与群体最优交叉，同样如果新产生的粒子没有原来粒子好，我们就舍弃这个新的粒子；交叉操作结束后，对新的粒子进行变异操作，同样如果新产生的粒子没有原来粒子好，我们就舍弃这个新的粒子。一直重复上述操作直至循环结束，最终输出群体最优粒子就是搜索过程中搜索到的最优粒子。

个体粒子在更新时与个体最优和群体最优先后进行交叉，这是不是体现了粒子群算法的基本思想呢，同时交叉操作和变异操作也体现出遗传算法的特点。

混合PSO的流程图如下所示：

再做一点说明，代码中的交叉不是往常意义上的交叉，例如交叉位置是3和5。

---

混合粒子群求解TSP问题时，城市分布图

求解进化过程

求解结果