算法概述粒子算法通过无质量粒子模拟鸟群中的鸟。 粒子有两个属性：速度和位置。 速度表示粒子移动速度的速度，位置表示当前位置。 每个粒子在搜索空间中单独查找和搜索最优解，并将其记录为当前粒子的最优解，即以下符号的描述1 : 每个粒子的最优解与整个粒子群中的其他粒子进行粒子共享，找到最优个体的最优解作为整个粒子群的全局最优解。 即，是以下的符号说明中的2。 粒子群中所有粒子的位置和速度的更新基于当前个体值的最优解和粒子群整体的最优解进行调整。
相关符号的说明
算法标准格式表达式1 :
第一个称为记忆项，表示上次当前节点的速度和位置
第二项称为自我认知项，表示当前粒子对自我粒子更新的影响
第三项称为群体认知项，表明当前位置的全局最优解对当前粒子更新的影响反映了粒子间的合作。
对优化进行观察，以上公式只是在第一项中加上权重。 也称为惯性因子，表示上次位置对这次更新的影响程度。 该值越大，全局优秀能力越强，本地优秀能力越弱，该值越小，全局优秀能力越弱，本地优秀能力越强。 动态比静态更能找到最佳解。 一般采用线性递减的策略。 公式如下。
范例
算法的优越性：简单容易实现，没有很多参数的调节