了解一下标准粒子群算法的历史

　　标准粒子包括：

　　胶子 - 强相互作用的媒介粒子，自旋为1，有8种 光子 - 电磁相互作用的媒介粒子，自旋为1，只有1种 W 及 玻色子 - 弱相互作用的媒介粒子，自旋为1，有3种 引力子 - 引力相互作用的媒介粒子，自旋为2，只有1种 标准模型预言的另外一种玻色子——希格斯粒子不属于规范玻色子。

　　下面我们来了解一下标准粒子群算法的历史是什么吧。

　　粒子群算法源于复杂适应系统(Complex Adaptive System,CAS)。CAS理论于1994年正式提出，CAS中的成员称为主体。比如研究鸟群系统，每个鸟在这个系统中就称为主体。主体有适应性，它能够与环境及其他的主体进行交流，并且根据交流的过程“学习”或“积累经验”改变自身结构与行为。整个系统的演变或进化包括：新层次的产生(小鸟的出生);分化和多样性的出现(鸟群中的鸟分成许多小的群);新的主题的出现(鸟寻找食物过程中，不断发现新的食物)。

　　粒子群算法( Particle Swarm Optimization, PSO)早是由Eberhart和Kennedy于1995年提出，它的基本概念源于对鸟群觅食行为的研究。设想这样一个场景:一群鸟在随机搜寻食物，在这个区域里只有一块食物，所有的鸟都不知道食物在哪里，但是它们知道当前的位置离食物还有多远。那么找到食物的优策略是什么呢?简单有效的就是搜寻目前离食物近的鸟的周围区域。

　　PSO算法就从这种生物种群行为特性中得到启发并用于求解优化问题。在PSO中，每个优化问题的潜在解都以想象成d维搜索空间上的一个点，我们称之为“粒子”(Particle)，所有的粒子都有一个被目标函数决的适应值(Fitness Value )，每个粒子还有一个速度决他们飞翔的方向和距离，然后粒子们就追随当前的优粒子在解空间中搜索。Reynolds对鸟群飞行的研究发现。鸟仅仅是追踪它有限数量的邻居但终的整体结果是整个鸟群好像在一个中心的控制之下.即复杂的局行为是由简单规则的相互作用引起的。