粒子群算法3——算法改进
来源:互联网 发布:手游矩阵 编辑:程序博客网 时间:2024/06/06 20:24
一、理论研究改进
(1) Clerc&Kennedy2002年设计了一个称为压缩因子的参数。在使用了此参数之后,PSO能够更快地收敛。
(2)Trelea 2003年指出PSO最终最终稳定地收敛于空间中的某一个点,但不能保证是全局最优点。
(3) Kadirkamanathan等人2006年在动态环境中对PSO的行为进行研究,由静态分析深入到了动态分析。
(4) F.van den Bergh等人2006年对PSO的飞行轨迹进行了跟踪,深入到了动态的系统分析和收敛性研究。
二、拓扑结构改进
1、拓扑结构的发展
2、常见拓扑结构
全局版本PSO和局部版本PSO在收敛特点:
1.GPSO由于其很高的连接度,往往具有比LPSO更快的收敛速度。但是,快速的收敛也让GPSO付出了多样性迅速降低的代价
2.LPSO由于具有更好的多样性,因此一般不容易落入局部最优,在处理多峰问题上具有更好的性能
在解决具体问题的时候,可以遵循以下一些规律:
(A)邻域较小的拓扑结构在处理复杂的、多峰值的问题上具有优势,例如环型结构的LPSO
(B)随着邻域的扩大,算法的收敛速度将会加快,这对简单的、单峰值的问题非常的有利,例如GPSO在这些问题上就表现很好
三、混合改进算法
1、二进制编码的PSO(BPSO)
Kennedy和Eberhart 1997 年对PSO进行了离散化,形成了二进制编码的PSO(BPSO),并且在对De Jong 的五个标准测试函数的测试中取得较好的效果
2、整数编码的PSO
Salman等人2002 年将粒子的位置变量四舍五入为最接近的合法的离散值
Yoshida等人 2000 年将连续的值域分区间,每个区间赋予一个相应的离散值
四、应用方向
五、参数优化方向
- 粒子群算法3——算法改进
- 粒子群算法的三点改进
- 粒子群优化算法及其改进(1)
- 粒子群算法2——粒子群算法简介
- 优化算法—粒子群算法(PSO)
- 优化算法——粒子群算法(PSO)
- 优化算法——粒子群算法(PSO)
- 标准粒子群算法(PSO)及其Matlab程序和常见改进算法
- 粒子群PSO算法
- 粒子群算法介绍
- 粒子群算法(PSO)
- 粒子群优化算法
- pso粒子群算法
- PSO 粒子群算法
- 粒子群优化算法
- 粒子群优化算法
- 粒子群优化算法
- 粒子群优化算法
- ubuntu9.10 虚拟机连接windows网络上网,以及NFS挂载网络设置。
- OpenCV颜色空间——HSV颜色空间
- JSP开发的MVC架构
- 数据库中@代表什么意思
- Xcode快捷键
- 粒子群算法3——算法改进
- NetworkStateView:界面多状态加载
- 卷积神经网络的小知识
- java中set与get方法的使用
- AndoridStudio运行报错,Cannot find System Java Compiler. Ensure that you have installed a JDK......
- JSON详解
- JPEG文件编/解码详解
- linux中文件搜索命令(whereis,locate,which,find)
- 常用的矩阵数据处理命令(Matlab)