本文共 929 字，大约阅读时间需要 3 分钟。
使用粒子群算法（Particle Swarm Optimization, PSO）求解函数f(x)的最小值。理论上的最小值为0。
粒子群算法通过群体中的个体对信息的共享，使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得最优解。
想象一群鸟在寻找食物，每只鸟都知道自己距离食物的远近，并知道群体中离食物最近的鸟的位置。通过不断调整方向，群体逐渐向食物靠近，最终找到食物位置。更新公式如下：v[i] = w * V[i] + c1 * rand() * (pbest[i] - X[i]) + c2 * rand() * (gbest[i] - X[i])其中：
粒子状态类：
初始化：
日志记录：记录迭代过程中粒子的适应值
粒子群算法主程序：
Python可视化：
实验结果图：
通过实验发现，粒子群算法在多次迭代后能够有效缩小函数值，逼近理论最小值0。实验中需要注意参数设置的合理性，特别是Vmax的调整对稳定性和收敛速度的影响。通过合理调节参数，能够更好地避免陷入局部最优解问题，实现更优的优化效果。
转载地址：http://tozg.baihongyu.com/