PSO算法的优化机理 

算法初始化为一群随机粒子(随机解)，每个粒子具有各自的速度和位置，然后粒子们追随当前最优粒子在解空间中搜索，通过迭代找到最优解。在每次迭代中，粒子通过跟踪个体极值 （个体历史最优解）和全局极值 （整个种群目前找到的最优解），并按下两式来更新自己的速度和位置：
                                               （1）
                                               （2）
其中 为第i个粒子在第d维上的速度， 为第i个粒子在d 维上的位置， 为惯性权重， 为均匀分布于[0,1]之间的随机数， 为加速因子。
PSO算法的基本流程：
① 初始化——确定各粒子的速度和位置，群体规模及最大循环次数；
② 计算个粒子的适应度值；
③ 用每个粒子的当前位置（适应度值）与个体极值 进行比较，如果较好，则替换 ；
④ 用每个粒子的当前位置（适应度值）与全局极值 进行比较，如果较好，则替换 ；
⑤ 根据公式⑴⑵，对粒子的速度和位置分别进行更新；
⑥ 判断停止准则（误差足够好或达到最大循环次数）退出；否则返回②。