1. 什麼是粒子群演算法一文搞懂！
粒子群優化（Particle Swarm Optimization, PSO），由James Kennedy和Russell Eberhart於1995年提出，是一種模擬鳥群覓食行為的搜索演算法。它的核心在於每個粒子代表一個解，速度、位置和適應度構成粒子的三大屬性。粒子通過跟蹤個體極值(P_best)和個人群體極值(G_best)來不斷優化搜索。
演算法首先初始化一群粒子，賦予隨機位置和速度。在迭代過程中，粒子的速度和位置根據以下規則更新：速度由慣性項、自身認知項和群體認知項共同決定，位置則是基於新速度進行調整。參數設置如種群規模影響全局和局部搜索，慣性因子的線性遞減有助於平衡探索與利用；最大速度的設定則影響搜索速度和易陷入局部最優的風險。
種群規模需謹慎調整，避免過小陷入局部最優，過大則計算復雜度增加。慣性因子的減小策略有助於在搜索初期廣泛探索，後期聚焦於局部優化。粒子的最大速度設置需平衡搜索強度與避免過早收斂。整體流程包括隨機初始化、迭代優化、直至達到預設的終止條件，如達到最大迭代次數或適應度變化閾值。