粒子群算法（PSO）核心原理
粒子群算法是一种基于群体智能的优化算法，模拟鸟群觅食、鱼群洄游等群体行为，通过粒子间的协作与信息共享寻找最优解。
1. 核心概念（通俗版）
- 粒子：每个粒子都是一个"探索者"，在空间中寻找"宝藏"（目标点）；
- 个体最优：每个探索者自己找到的最接近宝藏的位置；
- 全局最优：所有探索者中找到的最接近宝藏的位置；
- 目标点：最终需要找到的"宝藏"位置（可自定义）。
2. 核心公式
速度更新：v_i(t+1) = w·v_i(t) + c1·r1·(pBest_i - x_i(t)) + c2·r2·(gBest - x_i(t))
位置更新：x_i(t+1) = x_i(t) + v_i(t+1)
通俗解释：
- 惯性权重（w）：探索者保持原来方向的"坚持度"；
- 学习因子（c1）：探索者相信自己经验的"自信度"；
- 学习因子（c2）：探索者相信群体经验的"信任度"。
3. 算法步骤（通俗版）
1. 所有探索者随机分散在空间中；
2. 每个探索者记录自己找到的最佳位置；
3. 群体共享最佳位置，所有探索者向这个方向靠拢；
4. 不断调整方向，直到找到宝藏（目标点），算法自动结束。