逆升降惯性：面向粒子群优化的粒子级自适应惯性
神经与进化计算
2020-08-04 v1
摘要
在粒子群优化（PSO）的发展过程中，粒子惯性已被确立为研究该方法可能改进的一个重要方面。作为我们前期研究的延续，我们提出一种基于单个粒子适应度改善的惯性权重自适应广义技术，称为逆升降惯性（anakatabatic inertia）。该技术允许根据粒子适应度的上升或下降，即由粒子的上升（anabatic）或下降（katabatic）运动所决定，来为每个粒子自适应其惯性权重值。所提出的惯性权重控制框架经过元优化，并在 CEC 2014 测试集的 30 个测试函数上进行了测试。所执行的流程产生了四种逆升降模型，所采用的每种 PSO 方法（标准 PSO 和 TVAC-PSO）各两种。基准测试结果表明，使用所提出的逆升降惯性模型可可靠地为标准 PSO 带来适度的精度提升（最终适应度最小值最多降低 0.09 个数量级），并为 TVAC-PSO 带来相当显著的提升（最终适应度最小值最多降低 0.59 个数量级），且大多对该方法性能无任何不利影响。
引用
@article{arxiv.2008.00979,
title = {Anakatabatic Inertia: Particle-wise Adaptive Inertia for PSO},
author = {Siniša Družeta and Stefan Ivić},
journal= {arXiv preprint arXiv:2008.00979},
year = {2020}
}
备注
6 pages, 5 figures, 2 tables. arXiv admin note: substantial text overlap with arXiv:1906.02474