1.2.1 基本思想

研究发现，鸟群在飞行过程中经常会突然改变方向、散开、聚集，其行为不可预测，但其整体总保持一致性，个体之间也保持着合适的距离。粒子群算法将鸟类的飞行空间抽象成求解问题的搜索空间，将每只鸟抽象成仅有速度和位置两个属性的粒子，代表一个问题的可能解，将寻找问题最优解的过程看成鸟类寻找食物的过程，从而求解复杂的优化问题。

粒子群算法首先在给定的解空间中随机初始化粒子群，解空间的维数由待优化问题的变量数决定。每个粒子给定初始位置与初始速度，然后通过迭代寻优。每个粒子在搜索空间中单独搜寻最优解，将其记为当前个体极值，并将个体极值与整个粒子群里的其他粒子做比较，找到最优的那个个体极值作为整个粒子群的当前全局最优解；粒子群中的所有粒子根据当前个体极值和整个粒子群共享的当前全局最优解来调整速度和位置，最终达到终止条件时，停止搜索，输出最优解。