模糊自调整pso全局优化库
fst-pso的Python项目详细描述
模糊自调整pso是一种群体智能全局优化方法[1] 基于粒子群优化[2]。
针对实值多维多模态优化问题，设计了FST-PSO算法。
FST-PSO是PSO的无设置版本，它利用模糊逻辑动态地将功能参数分配给群中的每个粒子。具体而言，在每一代中，FST-PSO确定了认知因素、社会因素、惯性值、最小速度和最大速度的最优选择。FST-PSO还使用启发式来选择群大小，因此用户不能选择任何功能设置。
为了使用FST-PSO，程序员必须实现自定义适应度函数。此外，程序员必须指定问题的维数和每个维数的搜索空间边界。程序员可以可选地指定最大迭代次数。当满足停止准则时，FST-PSO将返回找到的最佳拟合解及其适应度值。
示例
fst-pso可以如下使用：
从fstpso导入fuzzypso
定义示例适应度（粒子）：
return sum(map(lambda x: x**2, particle))
如果名称
dims = 10
FP = FuzzyPSO( )
FP.set_search_space( [[-10, 10]]*dims )
FP.set_fitness(example_fitness)
result = FP.solve_with_fstpso()
print “Best solution:”, result[0]
print “Whose fitness is:”, result[1]
更多信息
FST-PSO是由M.S.Nobile，D.Besozzi，G.Pasi，G.Mauri， R.Colombo（意大利米兰比科卡大学）和P.Cazzaniga（大学 意大利贝加莫）。源代码是M.S.Nobile写的。
FST-PSO需要两个包：miniful和numpy。
有关github的更多信息：<；https://github.com/aresio/fst-pso>；
[1]Nobile，Cazzaniga，Besozzi，Colombo，Mauri，Pasi，“模糊自调整粒子群算法： 一种全局优化的无设置算法，“群体进化” 计算，2017年（doi:10.1016/j.swevo.2017.09.001）
[2]Kennedy，Eberhart，粒子群优化，in:美国电气与电子工程师协会会议录 国际神经网络会议，1995年第4卷，第1942-1948页
<；http://www.sciencedirect.com/science/article/pii/S2210650216303534>；
欢迎加入QQ群-->： 979659372
