了解一下標準粒子群算法的曆史

　　標準粒子包括：

　　膠子 - 強相互作用的媒介粒子，自旋為(wei) 1，有8種 光子 - 電磁相互作用的媒介粒子，自旋為(wei) 1，隻有1種 W 及 玻色子 - 弱相互作用的媒介粒子，自旋為(wei) 1，有3種 引力子 - 引力相互作用的媒介粒子，自旋為(wei) 2，隻有1種 標準模型預言的另外一種玻色子——希格斯粒子不屬於(yu) 規範玻色子。

　　下麵我們(men) 來了解一下標準粒子群算法的曆史是什麽(me) 吧。

　　粒子群算法源於(yu) 複雜適應係統(Complex Adaptive System,CAS)。CAS理論於(yu) 1994年正式提出，CAS中的成員稱為(wei) 主體(ti) 。比如研究鳥群係統，每個(ge) 鳥在這個(ge) 係統中就稱為(wei) 主體(ti) 。主體(ti) 有適應性，它能夠與(yu) 環境及其他的主體(ti) 進行交流，並且根據交流的過程“學習(xi) ”或“積累經驗”改變自身結構與(yu) 行為(wei) 。整個(ge) 係統的演變或進化包括：新層次的產(chan) 生(小鳥的出生);分化和多樣性的出現(鳥群中的鳥分成許多小的群);新的主題的出現(鳥尋找食物過程中，不斷發現新的食物)。

　　粒子群算法( Particle Swarm Optimization, PSO)早是由Eberhart和Kennedy於(yu) 1995年提出，它的基本概念源於(yu) 對鳥群覓食行為(wei) 的研究。設想這樣一個(ge) 場景:一群鳥在隨機搜尋食物，在這個(ge) 區域裏隻有一塊食物，所有的鳥都不知道食物在哪裏，但是它們(men) 知道當前的位置離食物還有多遠。那麽(me) 找到食物的優(you) 策略是什麽(me) 呢?簡單有效的就是搜尋目前離食物近的鳥的周圍區域。

　　PSO算法就從(cong) 這種生物種群行為(wei) 特性中得到啟發並用於(yu) 求解優(you) 化問題。在PSO中，每個(ge) 優(you) 化問題的潛在解都以想象成d維搜索空間上的一個(ge) 點，我們(men) 稱之為(wei) “粒子”(Particle)，所有的粒子都有一個(ge) 被目標函數決(jue) 的適應值(Fitness Value )，每個(ge) 粒子還有一個(ge) 速度決(jue) 他們(men) 飛翔的方向和距離，然後粒子們(men) 就追隨當前的優(you) 粒子在解空間中搜索。Reynolds對鳥群飛行的研究發現。鳥僅(jin) 僅(jin) 是追蹤它有限數量的鄰居但終的整體(ti) 結果是整個(ge) 鳥群好像在一個(ge) 中心的控製之下.即複雜的局行為(wei) 是由簡單規則的相互作用引起的。