粒子群演算法中的適應度

　　粒子群演算法的適應度就是指目標函式的值，粒子群演算法也稱粒子群最佳化演算法，縮寫為PSO，是一種並行演算法，在對動物叢集活動行為觀察基礎上，利用群體中的個體對資訊的共享使整個群體的運動在問題求解空間中產生從無序到有序的演化過程，從而獲得最優解。粒子群演算法和模擬退火演算法相似，是從隨機解出發，透過迭代尋找最優解，是透過適應度來評價解的品質的。

　　遺傳演算法和粒子群演算法兩者各有千秋，簡單介紹如下：

　　1、遺傳演算法：是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種透過模擬自然進化過程搜尋最優解的方法。特點是直接對結構物件進行操作，不存在求導和函式連續性的限定，採用機率化的尋優方法，能自動獲取和指導最佳化的搜尋空間，自適應地調整搜尋方向，不需要確定的規則。遺傳演算法的這些性質，已被人們廣泛地應用於組合最佳化、機器學習、訊號處理、自適應控制和人工生命等領域。它是現代有關智慧計算中的關鍵技術；

　　2、粒子群演算法

　　粒子群演算法，也稱粒子群最佳化演算法，是近年來發展起來的一種新的進化演算法，粒子群演算法屬於進化演算法的一種，和模擬退火演算法相似，它也是從隨機解出發，透過迭代尋找最優解，它也是透過適應度來評價解的品質；

　　但它比遺傳演算法規則更為簡單，它沒有遺傳演算法的交叉和變異操作，它透過追隨當前搜尋到的最優值來尋找全域性最優，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，粒子群演算法是一種並行演算法。