Process / pipeline
粒子群优化 (PSO)
粒子群优化 (PSO) 是 Kennedy 和 Eberhart 于 1995 年引入的一种基于种群的元启发式算法，其灵感来源于鸟群和鱼群的集体运动。每个候选解——称为粒子——通过根据自身的最佳经验和整个种群的最佳经验来更新其速度和位置，在搜索空间中移动，从而能够快速收敛于连续优化问题。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
另有 25 项
来源
- Kennedy, J. & Eberhart, R. (1995). Particle Swarm Optimization. IEEE International Conference on Neural Networks (ICNN), 1942-1948. DOI: 10.1109/ICNN.1995.488968 ↗
- Shi, Y. & Eberhart, R. (1998). A Modified Particle Swarm Optimizer. IEEE Congress on Evolutionary Computation (CEC). link ↗
如何引用本页
ScholarGate. (2026, June 1). Particle Swarm Optimization (PSO). ScholarGate. https://scholargate.app/zh/optimization/particle-swarm-optimization
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →被引用于
非洲秃鹫优化算法基于智能体的蚁群优化Agent-Based Genetic Algorithm蚁群优化Aquila Optimizer算术优化算法人工蜂群（ABC）优化蝙蝠算法贝叶斯遗传算法贝叶斯粒子群优化布谷鸟搜索确定性粒子群优化进化策略（CMA-ES）萤火虫算法遗传算法灰狼优化算法Harmony SearchHarris Hawks OptimizationHoney Badger Algorithm水母搜索优化器多目标粒子群优化 (MOPSO)NSGA-IINSGA-III政策情景粒子群优化鲁棒粒子群优化龙格-库塔优化器模拟退火黏菌算法随机遗传算法随机粒子群优化随机禁忌搜索禁忌搜索鲸鱼优化算法 (WOA)