群演算法的期刊

1. 比較著名的電腦雜志都有哪些

• 《微型計算機》

《微型計算機》是一本介紹硬體為主的雜志（偶爾也會有相關的軟體介紹，比如：硬體測試軟體、驅動程序）以「我們只談硬體」為辦刊理念，是一本專為電腦發燒友介紹電腦硬體產與技術的半月刊雜志。

• 《計算機應用文摘》

《計算機應用文摘》1985年創刊，1998年下半年改版試刊二期，1999年1月正式改版為月刊，應廣大讀者的強烈要求，2003年1月再次改版為半月刊。《計算機應用文摘》遵循「電腦──以用為本」的辦刊理念，為各類用戶提供電腦應用相關軟硬體的使用技巧、網路應用方案、數字生活方式、故障完全解決方案等，幫助讀者迅速提升使用電腦的水平，使讀者能將電腦應用技巧更快地融入工作、學習、生活和娛樂中。期發行量18萬冊，月發行量36萬冊，發行量在國內計算機普及性刊物中名列前茅。

• 《中國計算機用戶》

《中國計算機用戶》由信息產業部主管，信息產業部中國電子信息產業發展研究院主辦，是業內最知名的IT專業雜志。是中國最有影響力的計算機專業報刊之一。

• 《計算機學報》

《計算機學報》是中國計算機領域權威性學術刊物。其宗旨是報道中國計算機科學技術領域最高水平的科研成果。它由中國計算機學會與中國科學院計算技術研究所主辦、科學出版社出版，以中文編輯形式與讀者見面，同時以英文摘要形式向國際各大檢索系統提供基本內容介紹。

• 《計算機科學與探索》

《計算機科學與探索》是由中國電子科技集團公司主管、華北計算技術研究所主辦的國內外公開發行的計算機學報級高級學術期刊，中國計算機學會會刊，中國百強科技期刊，工業和信息化部優秀科技期刊，北大中文核心期刊，中國科學引文資料庫（CSCD）核心期刊，中國科技論文統計源期刊（中國科技核心期刊），並被「萬方數據--數字化期刊群」、「中國學術期刊網路出版總庫」、「英國《科學文摘》（SA/INSPEC）」、「美國《劍橋科學文摘》（CSA）」、「波蘭《哥白尼索引》（IC）」收錄。

• 《大眾軟體》

《大眾軟體》是一本關於計算機軟硬體、數碼產品和電子游戲的普及雜志，是在中國具有影響力的計算機大眾雜志之一。1995年正式發行，創刊號發行10萬冊，至1998年5月發行量已達30萬冊，之後最高期發行量達38萬冊，月最高發行量超過70萬冊 。1999年改為半月刊，2009年改為旬刊，每月1日、8日和16日面向全國發行。主要欄目有「新品初評」、「數字碼頭」、「實用軟體」、「應用心得」、「網路時代」、「硬體評析」等。此次改版後，上下旬刊延續以往風格，中旬刊則側重遊戲方面的報道。2014年恢復為月刊。

• 《軟體學報》

《軟體學報》是一本刊登計算機軟體各領域原創性研究成果的期刊,所刊登的論文均經過嚴格的同行專家評議.《軟體學報》主要面向全球華人計算機軟體學者,致力於創辦與世界計算機科學和軟體技術發展同步的以中文為主的"中文國際軟體學術期刊",為全球華人同行提供學術交流平台.本刊不接受任何語種翻譯稿.

《軟體學報》創刊於1990年,由中國科學院軟體研究所和中國計算機學會聯合主辦.CN11-2560/TP, ISSN1000 -9825, CODEN RUXUEW.月刊,每期176面,每月6號出版.

《軟體學報》注重刊登反映計算機科學和計算機軟體新理論、新方法和新技術以及學科發展趨勢的文章,主要涉及理論計算機科學、演算法設計與分析、系統軟體與軟體工程、模式識別與人工智慧、資料庫技術、計算機網路、信息安全、計算機圖形學與計算機輔助設計、多媒體技術及其他相關的內容.

2. 粒子群演算法優化相關書籍

侯志榮．基於MATLAB的粒子群優化演算法及其應用〔j〕．《計算機模擬》，2004年05期．
高鷹．具有遺傳特性的粒子群優化演算法的非線性盲分離中的應用〔j〕．《廣州大學學報》，2006年5卷5期．

3. 計算材料學 演算法文章 哪個期刊

是，中文核心期刊目錄（2008年版）第七編 工業技術 TB 一般工業技術1．復合材料學報 2.無機材料學報 3.材料研究學報 4.功能材料 5.材料導報 6.材料科學與工程 7.摩擦學學報 8.材料工程 9.工程設計（改名為：工程設計學報） 10.真空科學與技術學報 11.振動工程學報 12.應用聲學 13.計算力學學報 14.玻璃鋼/復合材料 15.材料科學與工藝 16.振動與沖擊 17.真空 18.雜訊與振動控制 19.低溫工程 20.計量學報 21.功能材料與器件學報 22.聲學技術 23.製冷學報 24.低溫與超導 25.包裝工程 26.工程圖學學報

4. 誰有概率統計應用方面的論文

論文>工業技術>一般工業技術>工程基礎科學>工程數學>概率論、數理統計的應用論文下屬分類:運籌學的應用|工程式控制制論|可靠性理論|·《可重構裝配線建模、平衡及調度研究》·《粒子群演算法的改進與應用研究》·《壓力容器用鋼疲勞可靠性研究》·《穩健設計及其在工業中的應用》·《基於概率的結構動力拓撲優化設計研究》·《基於隨機模擬試驗的穩健優化設計方法研究》·《復雜系統可靠性工程相關理論及技術研究》·《故障部件不可修復如新的線形相鄰n中連續k系統的可靠性分析》·《基於目標和空間正交分解的布局啟發式演算法的研究》·《考慮失效相關時不可修復工程系統的可靠性分析》·《多維數值積分的數論方法及其在結構可靠度分析中的應用》·《三維位勢場快速多極邊界元法》·《大規模動態過程優化的擬序貫演算法研究》·《不確定性結構的分析方法研究》·《非線性結構隨機分析數值模擬的方法研究》

5. 選擇哪種優化演算法比較好

如果追求結果 那麼可以用窮舉方法 也就是一個個試驗 其他的優化演算法都差不多 可以確定一個條件數 然後達到這個數值才停止優化

6. 求推薦幾種 計算機相關的（網路與通信方向 最好），專業一點的期刊（中文的）或雜志或論文

1、AODV的本地修復改進機制 出處： 四川大學計算機學院, 期刊名： 《 計算機工程》
介紹自組網和路由協議，對AODV中的鏈路修復問題進行分析，提出優化方案並給出具體實現。優化方案使用overhearing技術偵聽鄰節點路由信息，通過廣播數據包來完成路由查找和修復的任務。通過模擬試驗發現，與傳統方法相比，該方案可以減少重路由帶來的時延，在一定程度減少了路由開銷
2、IPv6的網路安全性 期刊名： 《 電信快報》 出處： 四川大學計算機學院,
摘要： 下一代網路互連協議（IPv6）已經開始投入使用。人們對新協議提出了許多期望，其中網路安全性是非常重要的一部分，目前的IPv6在網路安全方面能完全達到人們的要求嗎？人們真的可以高枕無憂了么？文章從IPv6最基本的原理入手，介紹了IPv6在安全性方面的優勢和不足
3、MPLS組播流量工程綜述 期刊名： 《 電子科技》 出處： 四川大學計算機學院,
介紹了MPLS網路、組播技術和流量工程技術的特點與特徵，結合它們之間的優勢和對單播與組播流量工程的比較，重點綜述了目前在MPLS網路上實施組播流量工程的幾種建樹方法、發展現狀和存在的問題，最後對MPLS組播流量工程的研究作出了展望。
4、NS-3下新隊列管理模塊的實現 期刊名： 《 軟體導刊》 出處： 四川大學計算機學院
摘要： 網路模擬是網路技術研究的一種基本手段。NS-3是目前廣泛使用的離散事件驅動的網路模擬器NS-2的後續版本。目前NS-3版本中的實現的隊列管理模塊只有默認的使用DropTail方式的隊列管理模塊。以實現主動隊列管理演算法RED演算法為例,闡述了如何在NS-3中實現一個新的隊列管理模塊並進行模擬的方法。
5、標題： 基於GMPLS的多層網路故障恢復框架設計 期刊名： 《 光通信技術》 出處： 四川大學計算機學院,成都610064
摘要： 針對GMPLS控制平面的生存性提出了一種故障恢復機制，以實現多層網路生存性機制之間的迅速協調，通過對方案的分析能減少故障恢復時間的總和，優化網路效率
6、標題： 基於PNS—PGrid的P2P路由演算法的設計與實現 期刊名： 《 計算機技術與發展》
7、標題： 基於Sigma Designs EM8551晶元的MPEG4 IPTV機頂盒設計 期刊名： 《 計算機時代》 出處： 四川大學計算機學院,四川成都610064
8、標題： 基於分類廣告的網格副本選擇 期刊名： 《 計算機時代》 出處： 四川大學計算機學院,四川成都610065
9、標題： 基於藍牙的WPAN無線Mesh組網構架 期刊名： 《 網路與信息》 出處： [1]四川大學計算機學院,成都610064 [2]徐州工程兵指揮學院,徐州221004
10、標題： 基於移動IP的組播協議 期刊名： 《 電子科技》 出處： 四川大學計算機學院,成都61006
11、標題： 基於移動預測的DSR路由緩存管理改進 期刊名： 《 四川大學學報：自然科學版》 出處： [1]四川大學信息管理中心,成都610065 [2]四川大學計算機學院,成都610065 [3]西昌衛星發射中心指揮控制中心,西昌615000
12、即時通信中一種新的群拓撲結構——三層K叉樹
13、可信計算及其對Ad Hoc網路安全的啟發
太多了...光呂光宏的文章就45篇了。

7. 科學技術與工程的期刊信息

主管單位：中國科協
主辦單位：中國技術經濟研究會
主編：明廷華
ISSN：1671-1815
CN：11-4688/T
地址：北京學院南路86號
郵政編碼：100081 科學論文
科技簡報
科學學論壇 中文核心期刊要目總覽統計源期刊（中文核心期刊）
中國科技論文統計源期刊(科技類核心期刊）
中國知識資源總庫CNKI源期刊
CEPS中文電子期刊服務全文收錄期刊
中文科技期刊資料庫（全文版）統計刊
中國學術期刊文摘（中國科協主辦）源期刊
中國學術期刊綜合評價資料庫CAJCED統計期刊 1 文稿要求
(1) 文稿應未在其他刊物上發表過，譯文稿件須附上原作者的書面許可證明。內容要有科學性、創新性和實用性；論點明確、數據可靠、說理嚴謹、數學推導簡明；語言流暢、文字簡練、層次分明、重點突出。
(2) 學術論文請按GB7713—1987《科學技術報告、學位論文和學術論文的編寫格式》書寫，篇幅以版面不超過6 000字（包括圖表所佔篇幅）為宜。請在稿件上註明下列幾項內容：
a) 作者單位、地址、電話、E-mail 信箱和郵政編碼；
b) 論文題目和作者單位英譯文，作者姓名的漢語拼音；
c) 作者的簡歷，包括姓名、出生年、性別、職稱、學位、當前從事的研究工作等項；
d) 200字左右的中文摘要，3~8個關鍵詞，以及摘要和關鍵詞相應的英文文本。
摘要採用第三人稱寫法，應是一篇獨立的短文，內容包括論文的目的、方法、結果和結論四要素。
若為國家基金資助項目或部、省級重大科研攻關項目，請提供項目號，並且註明。
2 書寫格式
(1) 要求文稿正文字型大小為5號，漢字字體為宋體，英數字體為Times New Roman，希臘字體為Symbol。
(2) 計量單位採用國家法定計量單位和符號，不能用「大氣壓」、「kg/cm2」、「卡」、「ppm」……等已廢除的計量單位。
(3) 文中和公式中容易混淆的字元請用紅字注清文種（希文、英文、羅馬字等）、大小寫、上下標及上下標字母含義，表示向量及矩陣的字母要特別註明。
(4) 文稿標題中不宜用縮略詞（化學符號和公知公用者除外）；摘要和正文中的縮略詞在第一次出現時都必須寫出全稱，後加括弧附縮略詞。
3 表格、插圖及參考文獻
(1) 表格盡量採用「三線表」。表格的上方寫表序和表名。表名應有自明性且中文、英文表名並列。表注放在表底，縮2個字以「註：」起頭排版。
(2) 插圖的下方應有圖序和圖名。圖名應有自明性且中文、英文圖名並列。工程圖、電氣圖和函數圖採用AutoCAD、Adobe Illustrator或Corel DRAW軟體繪制，工程圖和電氣圖要符合國家標准規定，函數圖要標明曲線序號及其注釋，坐標軸上要有標值，坐標軸外側居中處應有標目，註明物理量和單位；照片圖要求層次分明，圖像逼真；數碼照片圖宜具備200萬像素以上。
(3) 圖表中文字、變數、單位和數字要標注清楚。
(4) 參考文獻應盡量選用公開發表的資料，按在正文中出現的先後次序列表於文後，以1、2…標識序號，且與正文中的指示序號對應。按《文後參考文獻著錄規則，GB/T 7714—2005》和《中國學術期刊（光碟版）檢索與評價數據規范，CAJ-CD B/T 1—2006修訂版試行稿》的要求著錄文後參考文獻。中文參考文獻後要並列其英文譯文。 數學
復合Rayleigh分布模型尺度參數的Bayes估計----王琪(69)
力學
突擴管流動形態的數值模擬----周再東(73)
物理學
基於FLOTRAN的管道中流動氣體時間延遲的模擬分析*----庄會東,張曉東(64)
回歸分析在F-P標准具測量實驗中的應用----劉松江(41)
最大熵原理導出理想氣體分子的速度和速率分布----晉宏營(50)
城市小區移動通信基站電磁輻射場強的計算機模擬----陳習權,孫傑(48)
化學
6-甲醯基香豆素的合成及提純----孔祥文(74)
地球科學
蘇里格氣田西區上古生界低阻氣層成因分析----徐靜(56)
增濕-除濕太陽能海水淡化裝置實驗研究----邵理堂,劉學東,劉卿龍(42)
基於改進Dix公式層速度求取方法應用研究----朱四新(73)
拓頻地震數據在測井約束反演中應用的效果分析----張秀麗,姜岩,秦月霜(48)
雲南ZC金礦床地質特徵及其外圍物化探找礦實踐----陳進超,王緒本,王麗坤,李晶(49)
淺析鉻釩鈣鋁榴石的顏色成因----向亭譯(33)
高密度電法在探測煤礦采空區賦水情況的應用研究----肖川,張義平(43)
醫葯衛生
鹽酸托烷司瓊片溶出度方法的研究----高立軍(35)
一般工程技術
基於滿意濾波的自適應閾值演算法----緱林峰,牛瑞芳,韓冰潔(49)
考慮節點與邊失效的網路全端可靠性上界拓展演算法----陳默(43)
礦冶技術
基於改進操作模式的鋅冶煉過程參數優化----伍鐵斌(35)
變焦距小徑管射線探傷曝光參數的選擇----胡玉華,鄭強,楊坪(35)
石油技術
高滲油藏注凝析氣吞吐增產機理研究----馬翠玉,劉月田(52)
修井作業浮動式井口防濺保護器的研製----張方圓(40)
川南硬脆性頁岩井壁失穩機理實驗研究----汪傳磊(47)
井樓油田一區核三段Ⅲ5-11小層隔夾層的研究----甘寧(46)
北小湖油田八道灣組儲層四性關系研究----王允霞(37)
射孔完井水平井筒單相流動壓降的改進模型----張權(43)
煤層氣採收率影響因素分析----張騫(54)
井間地層壓力分布預測方法及應用----姚君波(49)
王府凹陷青山口組地層超壓及油氣運移深度研究----王文文,盧雙舫,陳方文(43)
一種能有效監測稠油出砂信號的室內實驗裝置設計----韓金良(47)
儀表技術
速度調節閥兩種節流方式調速效果的分析與研究----廖理(39)
動力技術
應用多孔消能牆改善直接空冷系統換熱效率的數值模擬研究----李福林,王琦峰,宋婧婧(46)
機電技術
風機盤管用永磁電機控制器IPM模塊散熱的研究----薛曉明(40)
雲南電網無功優化配置方案----呂秋萍(35)
通信技術
擴頻測控信號固有抗干擾性能的評價方法研究----朱詩兵,童菲,孟生雲(39)
一種改進的LDPC碼最小和解碼演算法----郭軍軍(35)
基於CPLD和Verilog的高精度線陣CCD驅動電路設計----黃文林(32)
基於Aurora協議的光傳輸方案驗證----胡謹賢(37)
基於ZigBee和GPRS的遠程無線抄表系統設計與實現----劉穎,王再英,彭倩,陳媛(46)
一種基於FPGA的高精度數字鑒相器----賀為婷,裴廣利,劉繼勇(40)
帶電沙塵對微波傳播特性的影響----董群鋒(29)
一種新的模擬電路故障診斷方法研究----邱世卉(19)
計算機技術
特徵點提取演算法性能分析研究----江鐵(67)
船載測控雷達天伺饋模擬訓練系統關鍵技術研究----石啟亮,李林澤,雷國建(40)
運動模糊圖像復原技術研究----彭娟(47)
基於優化模型的類級測試數據自動生成研究----屈遲文(39)
結合示例空間概念權重的多示例核學習方法?----潘強,張鋼,王春茹(42)
採用SN和CFAR優化的模板匹配方法的動態目標監控----林雯(34)
基於泛函序列的模糊C均值演算法----楊攀,閆仁武(52)
基於模擬退火PSO-BP演算法的鋼鐵生產能耗預測研究----黃文燕(38)
一種應用於電子地圖道路特徵點提取的新方法----劉文強(39)
基於PC並行口的FLASH卡測試系統設計與實現----李振華(38)
基於全局最優-局部最優粒子群演算法的PID 控制----劉琪(41)
加工軌跡C2連續優化演算法研究----趙崇光,王清輝(32)
一種優化COMET請求調度策略的應用研究----姚敦紅(40)
一種基於最小費用最大流理論的Ad hoc路由協議----王軍(73)
建築技術
礦物成分強度對岩石單軸抗壓強度的影響----張威(30)
排水預壓法處理軟基固結沉降計算方法的改進研究----曲曉帆(34)
深基坑工程中預應力錨索受力機制的研究----白榮林,秦剛(53)
剪脹角對粗糙條形基礎地基極限承載力的影響----鄭鋒勇,秦會來,沈炳林(33)
交通運輸
船艇推進軸系的扭轉——縱向耦合振動的建模與模擬----邱雲明,田宇中,熊庭(35)
一種修正格型自適應陷波器在科氏流量計上的應用----烏偉(31)
基於模糊貼近度的故障診斷----黃小龍(35)
路面類型對能耗和排放影響研究----王陸峰,王俊峰,李樹傑(31)
基於神經網路的車道偏移自動檢測的研究----馬兆敏,齊保謙,廖鳳依,王洋佳(33)
供求不確定條件下配送中心選址研究----羅海星(37)
航空航天
一種非勻速連續旋轉尋北的新方法----王榮榮(45)
基於貝葉斯網路的機場航班延誤因素分析----邵荃(40)
導彈分離發動機蓋板的設計研究----王博哲,吳競峰,范開春,陳偉(42)
滑動時間窗演算法關鍵參數研究----張毅(36)
股票價格心理關口實證研究----雷力君(36)
目標跟蹤中飛機無坡度轉彎操縱方法研究----耿建中,武虎子,段卓毅(38)
復合固體推進劑/襯層粘接界面細觀結構數值建模及脫粘過程模擬----王廣,趙奇國(37)
基於系統辨識的滑油試驗台油溫智能控制----石宏,李昂,張帥,張維亮(37) (9137)相對論BCS-BEC渡越熱力學 傅永平 楊海濤 郗勤(9140)三聚氰胺的密度泛函理論研究 劉存海 張勇 江炎蘭 柳葉(9144)約束層速度反演方法及其處理系統的Qt研發 周洪生 程冰潔 張薇 高妍 梁群(9150)夾層板系統壓縮力學性能試驗研究 田阿利 沈超明 徐超(9154)欠平衡鑽井直井段岩屑運移規律研究 靳鵬菠 黃欣 宋巍(9158)敖古拉中高溫油田微生物驅油可行性分析 樂建君 陳星宏 王蕊 柏璐璐 樂世豪(9163)低滲氣藏多層合採層間干擾系數的確定 王淵 何志雄 李嘉瑞 李成福 李閩(9167)基於響應曲面法的新型阻尼器特性分析 朱龍英 朱德帥(9173)基於CFD的空化噴嘴結構參數研究 馬超群(9178)基於小波變換的電網畸變信號檢測的研究 胡智宏 杜曉冉(9182)一比特壓縮感測的貪婪重構演算法 肖濤 馬社祥(9186)一種基於單幅圖像雙消失點的攝像機標定方法 崔燦 張國華(9191)雙機編隊閃爍干擾研究 朱瑩 高其娜 孫文芳(9196)裝載機工作裝置的模型與自適應迭代學習控制 朱龍英 魯迎波 洪松(9203)變論域模糊PID演算法在供熱控制中的應用 葛楠 李鐵鷹 王宇慧(9207)基於RBF核函數的集成分類AdaBoost演算法研究 婁生超(9211)基於並行協同演化的差分進化演算法 李俊州(9215)基於運動矢量分散度的增強型MVFAST搜索演算法張子敬 張志華 霍家道(9221)情境相關的RBAC策略研究張丹(9225)基於雙通道脈沖耦合神經網路的應用研究郭新榀 段先華 夏加星(9234)採用特徵解析度和等價類相關矩陣的特徵選擇符紅霞 黃成兵(9238)蟻群演算法優化RBF神經網路的網路流量預測廖金權(9243)鄰氨基酚分子印跡聚合物的制備及識別性能研究羅汝新 霍景娥 程亞群 范順利(9247)一種新型高效率振沖器結構的設計及動態性能研究韓兵兵 張功學(9250)降雨對公路邊坡穩定性影響的有限元分析火映霞 王旭東(9256)重型汽車驅動橋輪轂軸承配合失效分析楊英 雷剛 征小梅(9260)感測器/執行器失效的電動汽車EPS魯棒容錯控制周冰 劉海妹 馮俊萍(9265)機匣安裝邊螺栓聯接結構的優化設計艾延廷 陳勇 陳潮龍(9270)基於PBN的中小機場終端區飛行程序優化研究戴福青 李解(9275)一種渦輪泵故障閾值檢測演算法胡漢文 牛志嘉 向洋 石明全(9280)星載圖像感測器電路系統可靠性優化設計曾議 趙欣 王煜 司福祺說明：雜志目錄每期都會更新有一定的時效性，僅供參考

8. 粒子群演算法國內發展

粒子群演算法介紹（摘自http://blog.sina.com.cn/newtech）
優化問題是工業設計中經常遇到的問題,許多問題最後都可以歸結為優化問題. 為了解決各種各樣的優化問題,人們提出了許多優化演算法,比較著名的有爬山法、遺傳演算法等.優化問題有兩個主要問題:一是要求尋找全局最小點,二是要求有較高的收斂速度. 爬山法精度較高,但是易於陷入局部極小. 遺傳演算法屬於進化演算法( Evolutionary Algorithms) 的一種,它通過模仿自然界的選擇與遺傳的機理來尋找最優解. 遺傳演算法有三個基本運算元:選擇、交叉和變異. 但是遺傳演算法的編程實現比較復雜,首先需要對問題進行編碼,找到最優解之後還需要對問題進行解碼,另外三個運算元的實現也有許多參數,如交叉率和變異率,並且這些參數的選擇嚴重影響解的品質,而目前這些參數的選擇大部分是依靠經驗.1995 年Eberhart 博士和kennedy 博士提出了一種新的演算法;粒子群優化(Partical Swarm Optimization -PSO) 演算法 . 這種演算法以其實現容易、精度高、收斂快等優點引起了學術界的重視,並且在解決實際問題中展示了其優越性.

粒子群優化(Partical Swarm Optimization - PSO) 演算法是近年來發展起來的一種新的進化演算法( Evolu2tionary Algorithm - EA) .PSO 演算法屬於進化演算法的一種,和遺傳演算法相似,它也是從隨機解出發,通過迭代尋找最優解,它也是通過適應度來評價解的品質. 但是它比遺傳演算法規則更為簡單,它沒有遺傳演算法的「交叉」(Crossover) 和「變異」(Mutation) 操作. 它通過追隨當前搜索到的最優值來尋找全局最優 .

粒子群演算法

1. 引言

粒子群優化演算法(PSO)是一種進化計算技術(evolutionary computation)，有Eberhart博士和kennedy博士發明。源於對鳥群捕食的行為研究

PSO同遺傳演算法類似，是一種基於疊代的優化工具。系統初始化為一組隨機解，通過疊代搜尋最優值。但是並沒有遺傳演算法用的交叉(crossover)以及變異(mutation)。而是粒子在解空間追隨最優的粒子進行搜索。詳細的步驟以後的章節介紹

同遺傳演算法比較，PSO的優勢在於簡單容易實現並且沒有許多參數需要調整。目前已廣泛應用於函數優化，神經網路訓練，模糊系統控制以及其他遺傳演算法的應用領域

2. 背景: 人工生命

"人工生命"是來研究具有某些生命基本特徵的人工系統. 人工生命包括兩方面的內容

1. 研究如何利用計算技術研究生物現象
2. 研究如何利用生物技術研究計算問題

我們現在關注的是第二部分的內容. 現在已經有很多源於生物現象的計算技巧. 例如, 人工神經網路是簡化的大腦模型. 遺傳演算法是模擬基因進化過程的.

現在我們討論另一種生物系統- 社會系統. 更確切的是, 在由簡單個體組成的群落與環境以及個體之間的互動行為. 也可稱做"群智能"(swarm intelligence). 這些模擬系統利用局部信息從而可能產生不可預測的群體行為

例如floys 和 boids, 他們都用來模擬魚群和鳥群的運動規律, 主要用於計算機視覺和計算機輔助設計.

在計算智能(computational intelligence)領域有兩種基於群智能的演算法. 蟻群演算法(ant colony optimization)和粒子群演算法(particle swarm optimization). 前者是對螞蟻群落食物採集過程的模擬. 已經成功運用在很多離散優化問題上.

粒子群優化演算法(PSO) 也是起源對簡單社會系統的模擬. 最初設想是模擬鳥群覓食的過程. 但後來發現PSO是一種很好的優化工具.

3. 演算法介紹

如前所述，PSO模擬鳥群的捕食行為。設想這樣一個場景：一群鳥在隨機搜索食物。在這個區域里只有一塊食物。所有的鳥都不知道食物在那裡。但是他們知道當前的位置離食物還有多遠。那麼找到食物的最優策略是什麼呢。最簡單有效的就是搜尋目前離食物最近的鳥的周圍區域。

PSO從這種模型中得到啟示並用於解決優化問題。PSO中，每個優化問題的解都是搜索空間中的一隻鳥。我們稱之為「粒子」。所有的例子都有一個由被優化的函數決定的適應值(fitness value)，每個粒子還有一個速度決定他們飛翔的方向和距離。然後粒子們就追隨當前的最優粒子在解空間中搜索

PSO 初始化為一群隨機粒子(隨機解)。然後通過疊代找到最優解。在每一次疊代中，粒子通過跟蹤兩個"極值"來更新自己。第一個就是粒子本身所找到的最優解。這個解叫做個體極值pBest. 另一個極值是整個種群目前找到的最優解。這個極值是全局極值gBest。另外也可以不用整個種群而只是用其中一部分最為粒子的鄰居，那麼在所有鄰居中的極值就是局部極值。

在找到這兩個最優值時, 粒子根據如下的公式來更新自己的速度和新的位置

v[] = v[] + c1 * rand() * (pbest[] - present[]) + c2 * rand() * (gbest[] - present[]) (a)
present[] = persent[] + v[] (b)

v[] 是粒子的速度, persent[] 是當前粒子的位置. pbest[] and gbest[] 如前定義 rand () 是介於（0， 1）之間的隨機數. c1, c2 是學習因子. 通常 c1 = c2 = 2.

程序的偽代碼如下

For each particle
____Initialize particle
END

Do
____For each particle
________Calculate fitness value
________If the fitness value is better than the best fitness value (pBest) in history
____________set current value as the new pBest
____End

____Choose the particle with the best fitness value of all the particles as the gBest
____For each particle
________Calculate particle velocity according equation (a)
________Update particle position according equation (b)
____End
While maximum iterations or minimum error criteria is not attained

在每一維粒子的速度都會被限制在一個最大速度Vmax，如果某一維更新後的速度超過用戶設定的Vmax，那麼這一維的速度就被限定為Vmax

4. 遺傳演算法和 PSO 的比較

大多數演化計算技術都是用同樣的過程
1. 種群隨機初始化
2. 對種群內的每一個個體計算適應值(fitness value).適應值與最優解的距離直接有關
3. 種群根據適應值進行復制
4. 如果終止條件滿足的話，就停止，否則轉步驟2

從以上步驟，我們可以看到PSO和GA有很多共同之處。兩者都隨機初始化種群，而且都使用適應值來評價系統，而且都根據適應值來進行一定的隨機搜索。兩個系統都不是保證一定找到最優解

但是，PSO 沒有遺傳操作如交叉(crossover)和變異(mutation). 而是根據自己的速度來決定搜索。粒子還有一個重要的特點，就是有記憶。

與遺傳演算法比較, PSO 的信息共享機制是很不同的. 在遺傳演算法中，染色體(chromosomes) 互相共享信息，所以整個種群的移動是比較均勻的向最優區域移動. 在PSO中, 只有gBest (or lBest) 給出信息給其他的粒子，這是單向的信息流動. 整個搜索更新過程是跟隨當前最優解的過程. 與遺傳演算法比較, 在大多數的情況下，所有的粒子可能更快的收斂於最優解

5. 人工神經網路 和 PSO

人工神經網路(ANN)是模擬大腦分析過程的簡單數學模型，反向轉播演算法是最流行的神經網路訓練演算法。進來也有很多研究開始利用演化計算(evolutionary computation)技術來研究人工神經網路的各個方面。

演化計算可以用來研究神經網路的三個方面：網路連接權重，網路結構(網路拓撲結構，傳遞函數)，網路學習演算法。

不過大多數這方面的工作都集中在網路連接權重，和網路拓撲結構上。在GA中，網路權重和/或拓撲結構一般編碼為染色體(Chromosome)，適應函數(fitness function)的選擇一般根據研究目的確定。例如在分類問題中，錯誤分類的比率可以用來作為適應值

演化計算的優勢在於可以處理一些傳統方法不能處理的例子例如不可導的節點傳遞函數或者沒有梯度信息存在。但是缺點在於：在某些問題上性能並不是特別好。2. 網路權重的編碼而且遺傳運算元的選擇有時比較麻煩

最近已經有一些利用PSO來代替反向傳播演算法來訓練神經網路的論文。研究表明PSO 是一種很有潛力的神經網路演算法。PSO速度比較快而且可以得到比較好的結果。而且還沒有遺傳演算法碰到的問題

這里用一個簡單的例子說明PSO訓練神經網路的過程。這個例子使用分類問題的基準函數(Benchmark function)IRIS數據集。(Iris 是一種鳶尾屬植物) 在數據記錄中，每組數據包含Iris花的四種屬性：萼片長度，萼片寬度，花瓣長度，和花瓣寬度，三種不同的花各有50組數據. 這樣總共有150組數據或模式。

我們用3層的神經網路來做分類。現在有四個輸入和三個輸出。所以神經網路的輸入層有4個節點，輸出層有3個節點我們也可以動態調節隱含層節點的數目，不過這里我們假定隱含層有6個節點。我們也可以訓練神經網路中其他的參數。不過這里我們只是來確定網路權重。粒子就表示神經網路的一組權重，應該是4*6+6*3=42個參數。權重的范圍設定為[-100，100] (這只是一個例子，在實際情況中可能需要試驗調整).在完成編碼以後，我們需要確定適應函數。對於分類問題，我們把所有的數據送入神經網路，網路的權重有粒子的參數決定。然後記錄所有的錯誤分類的數目作為那個粒子的適應值。現在我們就利用PSO來訓練神經網路來獲得盡可能低的錯誤分類數目。PSO本身並沒有很多的參數需要調整。所以在實驗中只需要調整隱含層的節點數目和權重的范圍以取得較好的分類效果。

6. PSO的參數設置

從上面的例子我們可以看到應用PSO解決優化問題的過程中有兩個重要的步驟: 問題解的編碼和適應度函數
PSO的一個優勢就是採用實數編碼, 不需要像遺傳演算法一樣是二進制編碼(或者採用針對實數的遺傳操作.例如對於問題 f(x) = x1^2 + x2^2+x3^2 求解, 粒子可以直接編碼為 (x1, x2, x3), 而適應度函數就是f(x). 接著我們就可以利用前面的過程去尋優.這個尋優過程是一個疊代過程, 中止條件一般為設置為達到最大循環數或者最小錯誤

PSO中並沒有許多需要調節的參數,下面列出了這些參數以及經驗設置

粒子數: 一般取 20 – 40. 其實對於大部分的問題10個粒子已經足夠可以取得好的結果, 不過對於比較難的問題或者特定類別的問題, 粒子數可以取到100 或 200

粒子的長度: 這是由優化問題決定, 就是問題解的長度

粒子的范圍: 由優化問題決定,每一維可是設定不同的范圍

Vmax: 最大速度,決定粒子在一個循環中最大的移動距離,通常設定為粒子的范圍寬度,例如上面的例子里,粒子 (x1, x2, x3) x1 屬於 [-10, 10], 那麼 Vmax 的大小就是 20

學習因子: c1 和 c2 通常等於 2. 不過在文獻中也有其他的取值. 但是一般 c1 等於 c2 並且范圍在0和4之間

中止條件: 最大循環數以及最小錯誤要求. 例如, 在上面的神經網路訓練例子中, 最小錯誤可以設定為1個錯誤分類, 最大循環設定為2000, 這個中止條件由具體的問題確定.

全局PSO和局部PSO: 我們介紹了兩種版本的粒子群優化演算法: 全局版和局部版. 前者速度快不過有時會陷入局部最優. 後者收斂速度慢一點不過很難陷入局部最優. 在實際應用中, 可以先用全局PSO找到大致的結果,再有局部PSO進行搜索.

另外的一個參數是慣性權重, 由Shi 和Eberhart提出, 有興趣的可以參考他們1998年的論文(題目: A modified particle swarm optimizer)

9. 計算機演算法類文章投哪些期刊小木蟲

《計算機科學與應用》應該可以的

10. 演算法投在光學測量領域哪個期刊比較好

相對來說，核心級的學術性會更高，科學性更強。《光學技術》《應用光學》等6、7本之多。如果你是在選刊去閱讀，可以考慮。如果你是要選刊去發自己的文章，建議根據實際需求選擇適合級別的期刊。