規(guī)范玻色子，俗稱標(biāo)準(zhǔn)粒子，是傳遞基本相互作用的媒介粒子屬于玻色子，它們在粒子物理學(xué)的標(biāo)準(zhǔn)模型內(nèi)都是基本粒子。

　　標(biāo)準(zhǔn)粒子包括：

　　膠子 - 強相互作用的媒介粒子，自旋為1，有8種 光子 - 電磁相互作用的媒介粒子，自旋為1，只有1種 W 及 玻色子 - 弱相互作用的媒介粒子，自旋為1，有3種 引力子 - 引力相互作用的媒介粒子，自旋為2，只有1種 標(biāo)準(zhǔn)模型預(yù)言的另外一種玻色子——希格斯粒子不屬于規(guī)范玻色子。

　　下面我們來了解一下標(biāo)準(zhǔn)粒子群算法的歷史是什么吧。

　　粒子群算法源于復(fù)雜適應(yīng)系統(tǒng)(Complex Adaptive System,CAS)。CAS理論于1994年正式提出，CAS中的成員稱為主體。比如研究鳥群系統(tǒng)，每個鳥在這個系統(tǒng)中就稱為主體。主體有適應(yīng)性，它能夠與環(huán)境及其他的主體進行交流，并且根據(jù)交流的過程“學(xué)習(xí)”或“積累經(jīng)驗”改變自身結(jié)構(gòu)與行為。整個系統(tǒng)的演變或進化包括：新層次的產(chǎn)生(小鳥的出生);分化和多樣性的出現(xiàn)(鳥群中的鳥分成許多小的群);新的主題的出現(xiàn)(鳥尋找食物過程中，不斷發(fā)現(xiàn)新的食物)。

　　粒子群算法( Particle Swarm Optimization, PSO)早是由Eberhart和Kennedy于1995年提出，它的基本概念源于對鳥群覓食行為的研究。設(shè)想這樣一個場景:一群鳥在隨機搜尋食物，在這個區(qū)域里只有一塊食物，所有的鳥都不知道食物在哪里，但是它們知道當(dāng)前的位置離食物還有多遠(yuǎn)。那么找到食物的優(yōu)策略是什么呢?簡單有效的就是搜尋目前離食物近的鳥的周圍區(qū)域。

　　PSO算法就從這種生物種群行為特性中得到啟發(fā)并用于求解優(yōu)化問題。在PSO中，每個優(yōu)化問題的潛在解都以想象成d維搜索空間上的一個點，我們稱之為“粒子”(Particle)，所有的粒子都有一個被目標(biāo)函數(shù)決的適應(yīng)值(Fitness Value )，每個粒子還有一個速度決他們飛翔的方向和距離，然后粒子們就追隨當(dāng)前的優(yōu)粒子在解空間中搜索。Reynolds對鳥群飛行的研究發(fā)現(xiàn)。鳥僅僅是追蹤它有限數(shù)量的鄰居但終的整體結(jié)果是整個鳥群好像在一個中心的控制之下.即復(fù)雜的局行為是由簡單規(guī)則的相互作用引起的。