与遗传算法比较,pso算法的信息共享机制是完全不同的。

pso算法就是从这模型中得到启示并用于解决优化问题。

设想这样一个场景：一群鸟在随机搜索，在这个区域里只有一块。

那么找到的最优策略是什么呢，最简单有效的就是搜寻目前离最近的鸟的周围区域。

杨林并不知政府方面已经开始对矩阵语言行研究，事实上就算知了也无所谓，反正半个月后，矩阵语言就会向外界公布，到时候恐怕无论哪个国家都会投到这样的研究中去。

而且它的粒还有一个重要的特，就是有记忆。

在pso算法中,只有gbest(orlbest)给信息给其他的粒。这是单向的信息动，整个搜索更新过程是跟随当前最优解的过程，与遗传算法比较,在大多数的情况下，所有的粒可能更快的收敛于最优解。

就拿仿生算法中的粒群优化算法pso来说。这算法模拟的是鸟群的捕行为。

之后的两天，杨林又分别参加了人工智能和机人峰会、创新大赛及投资峰会以及移动互联网人才峰会，几乎每一次面，他都会成为与会人员的关注焦和记者们追逐的目标。

由于矩阵语言还没有正式公布，几乎所有人都想从杨林中探一些这语言的风声。

比如它首先对群随机初始化，然后对群内的每一个个计算适应值，适应值与最优解的距离直接有关群据适应值行复制，如果终止条件满足的话，就停止，否则转步骤二。

就拿同属于仿生算法的遗传算法和pso算法比较，pso算法没有遗传算法中的叉和变异。而是据自己的速度来决定搜索。

所有的鸟都不知在那里，但是它们知当前的位置离还有多远。

但是。不同的仿生算法之间，也有很多不同的。

之后的两天，杨林又分别参加了人工智能和机人峰会、创新大赛及投资峰会以及移动互联网人才峰会，几乎每一次面，他都会成为与会人员的关注焦和记者们追逐的目标。

可惜一旦涉及到这样的话题，杨林便会选择婉拒，告诉对方在半个月后的矩阵语言开发者大会上自然就会知晓。(未完待续……)/p

在遗传算法中。染互相共享信息，所以整个群的移动是比较均匀的向最优区域移动。

但这份资料中所列举的仿生算法，却是将仿生算法中一些类似的过程总结了来。

杨林并不知政府方面已经开始对矩阵语言行研究，事实上就算知了也无所谓，反正半个月后，矩阵语言就会向外界公布，到时候恐怕无论哪个国家都会投到这样的研究中去。

本章已阅读完毕(请击下一章继续阅读!)

可惜一旦涉及到这样的话题，杨林便会选择婉拒，告诉对方在半个月后的矩阵语言开发者大会上自然就会知晓。

由于矩阵语言还没有正式公布，几乎所有人都想从杨林中探一些这语言的风声。