思想：对鸟、鱼群捕食行为的研究，模拟鸟集群飞行觅食的行为。 鸟之间通过集体的协作使群体达到最优的目的，是一种基于 swarm intelligence的优化方法。

它没有 crossover 和 mutation操作。 通过追随当前搜索到的最优值来寻找全局最优。 特点：需要调整的参数少，简单易行，收敛速度快，是现在优化方法中的热点。

一群鸟在随机搜索食物。已知在这块区域里只有一块食物；所有的鸟都不知道食物在哪里；但它们能感受到当前的位置离食物还有多远。那么找到食物的最优策略是什么呢？

1. 搜寻目前离食物最近的鸟的周围区域

2. 根据自己飞行的经验判断食物的所在。

PSO正是从这种模型中得到了启发，PSO的基础是信息的社会共享.

每个寻优的问题解都被想像成一只鸟，称为“粒子”。所有粒子都在一个D维空间进行搜索。

所有的粒子都由一个fitness function 确定适应值以判断目前的位置好坏。

每一个粒子必须赋予记忆功能，能记住所搜寻到的最佳位置。

每一个粒子还有一个速度以决定飞行的距离和方向。这个速度根据它本身的飞行经验以及同伴的飞行经验进行动态调整