1、粒子群算法是模拟自然界中鸟群觅食得出来的算法。有三个假定：在一块区域内有一块食物;所有的鸟都不知道食物在哪里;但是都能感觉到食物有多远。
2、把鸟想象为一个粒子，粒子包括位置和速度。每一次位置和速度都会迭代发生变化。位置即为变量x,每一个粒子还有一个适应度函数。
3、运行过程：初始化粒子--计算每一个粒子的适应度--更新每一个粒子的pbest，全局最好位置gbest--更新每一个粒子的速度和位置--看是否满足结束条件，不满足就从第二步开始循环
4、计算速度时，有几个参数，w,c1,c2。w被成为惯性权重，调节对解空间的搜索范围。w大的时候，增加探索能力，全局搜索较好;w小的时候，增加开采能力，局部搜索较好。c1和c2为加速度常数，为控制偏向pbest还是gbest的权重。粒子一般会在pbest和gbest之间移动。
5、计算速度时，前一个部分是个人认知部分，后一个是社会认知
6、关于种群的大小，m。m较小的时候，容易陷入局部最优;m较大的时候，优化效果较好，但是大到一定的程度，效果就不会有明显的变化。
7、粒子群算法对于解决连续问题效果较好。
8、如果对您有帮助，请点赞吧！