【摘要】：一系列的粒子群优化算法和优化问题被分别封装到相应的算法策略类和问题策略类中，这些类继承自一个具有统一接口的抽象基类。因此，该平台非常适合于粒子群优化算法的理论和应用研究，且易于维护和扩充。
粒子群优化算法是由Eberhart和Kennedy提出的一种基于群智能的全局优化进化算法，其直观背景来源于动物行为学和社会心理学，是对简单生物社会系统的模拟。最初的PSO算法只能用于连续空间的函数优化问题，为了解决离散空间的组合优化问题，Eberhart和Kennedy提出了二进制粒子群优化算法(BPSO)，随后又有研究人员把PSO算法用于解决旅行商和车间调度等组合优化问题。由于粒子群优化算法流程简单易编程实现，它既有传统演化算法深刻的背景，同时又有自己独特的优化性能。因此一经提出，立刻引起国内外自然计算研究者的关注并获得迅速发展，大量经典的改进算法层出不穷，同时PSO算法在函数优化、神经网络训练、模式分类、模糊系统控制以及其他诸多工程领域都得到了广泛的应用。
随着新的改进算法的不断提出和应用领域的不断拓展，粒子群优化算法的平台开发显得尤为必要，一方面此平台可以帮助算法的研究人员对不同的改进PSO算法进行研究和比较，另一方面可以扩大粒子群优化算法的应用领域和增强它的影响力。因此，本章从软件重用的角度出发，考虑到算法流程的共性和个性，设计一种基于策略模式的粒子群优化算法平台［137-138］，此平台包含基本的粒子群优化算法、经典的改进算法和本书提出的几种融合热运动机制的改进粒子群优化算法，可以解决连续优化问题组合优化问题。一系列的粒子群优化算法和优化问题被分别封装到相应的算法策略类和问题策略类中，这些类继承自一个具有统一接口的抽象基类。因此，该平台非常适合于粒子群优化算法的理论和应用研究，且易于维护和扩充。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
