BBPS算法在标准粒子组算法上发生了变化。粒子组算法通过消除速度公式进行了修改，但粒子组优化的基本原理已保留：这些粒子的更新仍处于其最佳位置。记忆的影响和全局最佳位置的最佳位置。
标准粒子组算法简介：修改的颗粒群优化器
肯尼迪（J. Kennedy），“裸骨头颗粒群”，2003年IEEE群情报研讨会的会议记录。SIS'03（CAT。No.03Ex706），2003年，pp。80-87，doi：10.1109/sis.2003.12022222222222222222222222222222222222222222222222222222222222222222222222222222222225。
标准粒子算法速度和位置更新策略：$ $ glig begin {array} {l} vec {v} {i} = chileft（vec {vec {v} {i} {i}+uleft（0，frame {varphi} {varphi} {2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2} ight）左（vec {p} {i} -vec {x} {i} ight）+uleft（0，frac {varphi} {2} ight）左（bar {p} {g} -vec {x} {i} ight） ight）vec {x} {i} = vec {x} {i}+vec {v} _ {i}结束{array} $，尽管此速度和位置更新策略以及先前链接的速度和位置更新策略略微略微略微略微略微略有不同，但基本上是相同的。它们都评估了每个组成员的当前位置，调整速度并确定下一次的位置。
粒子的轨迹可以描述为：每个维度上的个体（pbest）和最好的邻居（gbest），这是最佳邻居的先前最佳值点（Gbest），以随机加权平均值为中心。检查算法的各个方面：定义振荡中心的方法，以及定义中心振荡幅度周围可变性幅度的方法。
标准粒子组算法是通过PBEST和GBEST定义振荡中心。当相邻的域扩展到所有人群的所有成员时，所有粒子都将受到人群中任何成员的最佳成功（SO -SO -so -so -called Gbest）影响，并且性能将受到影响。因此，使用Gbest可能是有害的，并且它往往会使整体误导与过早的当地最佳价值相融合。
因此，文章中还提出了Ibest，随机G和FIP，但是这些操作会影响粒子振荡的中心，但不会影响其幅度。确定循环的幅度：像往常一样，从最后的迭代和距中心的距离。
文章实验表明，另一方面，与整个相邻域（GBEST）相比，当振荡中心由个人（PBEST）及其最佳的部分邻居（非GBEST）定义时，将其定义差异。标准lbest正方形和FIPS正方形在这些测试中表现良好。
下图显示了标准粒子组中1亿迭代迭代的测试点的直方图。（常数）。图是一个整洁的钟形曲线，位于前两个最佳点的中间，对称地扩展到它们。
如上所述，该样本的分布是正态分布（高斯分布：$ n?（Mu，sigma ^{2}）$，当$ sigma $ hilling $ sigr y hirmille时，样本更加集中在$ MU $）essenceNcemost点在PI和PG之间，PI和PG之间的距离较小，样品的分布更集中在钟形曲线的中间。
因此，根据上图，删除了标准粒子组公式的整个速度（v）部分。t+ 1）= nleft（frame {ext {pbest} {i，j}（t）+ ext {gest} {j} {j}（t）} {2} {2}，mid ext {pbest} {i，j} {i，j}（t） -ed {gbest} _ {j}（t）中间 ight）$ $ t表示迭代次数，$ mu $这是Pbest和Gbest的平均值；$ sigma ^{2} $由pbest和gbest之间的差异表示。在同一时间，ibest，随机g，nhone最好而不是gbest。
$ sigma ^{2} $表示对Pbest和Gbest之间的差异的最佳影响。尽管这很奇怪，但在比正面小于1或大于1的重量下，性能尚未得到改善。
正态分布的中心是整个社区的平均值，就像FIP中一样，但是没有明确的方法来确定标准偏差。尝试一些版本：正态分布的标准偏差与以前相同被识别为$ MIED EXT {PBEST} {i，J}（t）-Insdirfertiffersion定义最好的，最好的社区，随机邻居或FIPS社区的中心。
在所有先前的粒子组算法中，每次更新V或X时，PBEST并未被完全用作单独的变量，但是PBEST在单个更新中是非常重要的变量。它保留了单个更新的个人更新的机会，这对算法的融合很有帮助。
因此，更改了先前的x更新策略：$ $ x {i，j}（t+1）= left {begin {array} {ll} nleft（frame {ext {ext {pbest} {i，j} {i，j}（t）+ext {gbest} {j}（t）} {2}，mid ext {pbest} {i，j}（t）（t） - ext {gbest} {j} {j}（t） ight），＆r {4} <0.5 ext {pbest} _ {i，j}（t）＆ext {否则}结束{array} ight。$ $
测试功能：
让我们先测试标准PSO。迭代次数设置为3000，重复100次，并以100个结果为单位：
然后测试本文提出的基于高斯的PSO。GBEST与先前的算法使用相同的算法。它的迭代是3,000次。重复100个实验。结果是平均值。
可以看出，两者都可以实现相似的性能，但是高斯PSO的收敛速度明显快于标准PSO。
原始：https：//juejin.cn/post/7100816875516330014