微粒群优化算法(Particle Swarm Optimization,PSO算法)源于鸟群和鱼群群体运 动行为的研究，是一种新的群体智能优化算法，是演化计算领域中的一个新的分支。它 的主要特点是原理简单、参数少、收敛速度较快，所需领域知识少。该算法的出现引起 了学者们极大的关注，已在函数优化、神经网络训练、组合优化、机器人路径规划等领 域获得了广泛应用，并取得了较好的效果。尽管粒子群优化算法发展近十年，但无论是 理论分析还是实践应用都尚未成熟，有大量的问题值得研究。 -

基本用于评价遗传算法、粒子群算法等优化算法的评价函数，非常实用-Basic evaluation function optimization algorithm for the evaluation of genetic algorithms, particle swarm optimization, very practical

粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(（Evolu2tionary Algorithm - EA）。PSO 算法属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现

用遗传算法和粒子群算法实现对函数的最大值的寻找，并且比较两者算法的性能好坏，通过运行时间，迭代次数等来判断-The genetic algorithm and particle swarm algorithm are used to find the maximum value of the function, and the performance of the two algorithms is compared. The running time and the number of ite