1.2.2 算法流程

粒子群算法运行的具体流程如下。

步骤1：初始化粒子群，随机产生n个位置为x_i=（x_i1，x_i2，…，x_iD），速度为V_i=（v_i1，v_i2，…，v_iD）的粒子个体，初始化个体极值p_best和全局最优值g_best，并设置最大迭代次数T。

其中，p_best是每个粒子在迭代过程中找到的最优粒子，被称为个体极值；g_best是种群个体在迭代过程中找到的最优粒子，被称为全局极值。

步骤2：计算粒子的适应度值，并与当前p_best比较，如果较好，则替换p_best。

步骤3：对每个粒子，用它的适应度值和全局极值g_best比较，如果较好，则替换g_best。

步骤4：根据式（1-1）、式（1-2）更新每个粒子的速度和位置。

其中，ω为惯性因子，其值为非负。其值较大，全局寻优能力强，局部寻优能力弱；其值较小，全局寻优能力弱，局部寻优能力强。c₁、c₂为学习因子，也称为加速度常数，取［0，2］之间的随机数。

步骤5：比较当前迭代次数t是否在最大迭代次数范围内，若t＜T，返回步骤2。

步骤6：确定最终最优值并输出。