使用SKO.pso实现粒子群优化时结果异常，求解决方案

看起来你遇到的核心问题是PSO算法默认以最小化目标函数为优化方向，但你实际想要找到的是函数的最大值点，这才导致结果和预期不符。我们先拆解下你的目标函数：

原函数表达式：

def demo_func(x):
    return ((10-4*x)/(4*x+3))*x

计算它在区间[0,10]内的取值就能明白原因：

• 当x=10时，函数值为((10-40)/(40+3))*10 ≈ -6.976，这是整个区间内的最小值
• 当x在0.5~1之间时，函数值是正数（比如x=0.8时，值≈0.847），这是函数的最大值区域

所以PSO按照默认的最小化逻辑，自然会找到x=10这个最小值点，和你的预期完全相反。

两种解决方法 #

你可以通过以下两种简单修改，让PSO找到你想要的最大值点：

方法1：反转目标函数（最小化等价于最大化原函数） #

把原函数的返回值取反，PSO最小化这个新函数的过程，就等价于最大化原函数。最后输出结果时记得再把函数值反回来：

def demo_func(x):
    x1 = x
    return -(((10-4*x1)/(4*x1+3))*x1)  # 对原函数取反
from sko.PSO import PSO
pso = PSO(func=demo_func, n_dim=1, pop=40, max_iter=150, lb=[0], ub=[10], w=0.8, c1=0.5, c2=0.5)
pso.run()
# 输出时将函数值反回原尺度
print('best_x is ', pso.gbest_x, 'best_y is', -pso.gbest_y)
import matplotlib.pyplot as plt
plt.plot([-y for y in pso.gbest_y_hist])
plt.show()

方法2：直接设置PSO为最大化模式 #

scikit-opt的PSO类自带minimize参数，默认是True（最小化），将它设为False就能直接开启最大化优化，无需修改原函数：

def demo_func(x):
    x1 = x
    return ((10-4*x1)/(4*x1+3))*x1
from sko.PSO import PSO
# 添加minimize=False参数，指定最大化目标
pso = PSO(func=demo_func, n_dim=1, pop=40, max_iter=150, lb=[0], ub=[10], w=0.8, c1=0.5, c2=0.5, minimize=False)
pso.run()
print('best_x is ', pso.gbest_x, 'best_y is', pso.gbest_y)
import matplotlib.pyplot as plt
plt.plot(pso.gbest_y_hist)
plt.show()

运行任意一种方法后，你都会得到落在0.5~1区间内的best_x，对应的best_y也会是原函数的最大值（约0.85左右，和理论计算的最优值一致）。

内容的提问来源于stack exchange，提问作者crazyman111