粒子群优化：历史与近期发展及混合化视角的综述

粒子群优化（PSO）是一种元启发式全局优化范式，由于在无需监督的复杂多维问题中易于应用且传统确定性算法无法求解，近二十年来已获得显著地位。标准粒子群优化器基于鸟类和鱼群的群集行为与社会合作，并大量借鉴这些生物的进化行为。本文旨在对 PSO 算法进行全面综述，特别强调其最基础以及一些最先进实现的开发、部署与改进。概述了关于选择惯性权重、收缩因子、认知与社会权重的概念与方向，以及关于收敛性、并行化、精英保留、小生境与离散优化和邻域拓扑的视角。涵盖了在选定应用中与其他进化与群智能范式混合的尝试，并为感兴趣的读者提供了最新综述。