PSO 粒子群优化算法

PSO算法基于以下心理学原理：在达成共识的过程中，个体通常会保留自身的观点，并同时关注他人的看法。一旦发现他人观点更具优势，个体会相应地进行调整。

标准PSO的运行步骤如下：
a). 初始化一组微粒（群体数量为m），并赋予其随机的位置与速度；
b). 对每个微粒进行适应度评估；
c). 比较每个微粒的当前适应度值与它之前记录的最佳位置pbest，若当前值更优，则更新pbest为当前值；
d). 比较每个微粒的适应度与全局最优位置gbest，若更优，则更新gbest的位置信息；
e). 依据以下公式对微粒的速度和位置进行更新；
f). 若未满足终止条件（通常是适应度达到预设标准或迭代次数达到最大代数Gmax），则返回步骤b)继续执行。

公式表达如下：
a).速度更新公式：
V_{id}=\omega V_{id}+C_1random(0,1)(P_{id}-X_{id})+C_2random(0,1)(P_{gd}-X_{id})
b).位置更新公式：X_{id}=X_{id}+V_{id}
其中，\omega 表示惯性因子，C_1，C_2 是加速系数（也称为学习因子），通常取值范围为 C_1=C_2\in[0,4]，而 P_{id} 则代表第 i 个粒子在第 d 维上的个