用于挖掘解空间未搜索区域的粒子群优化动态群分散算法 (DSDPSO)
神经与进化计算
2018-07-03 v1
摘要
粒子群优化(PSO)算法中的过早收敛通常导致陷入局部最优，并阻碍对解空间中含最优点的那些区域的搜索。本文中，通过应用特殊机制，检测合适区域，然后在适当时机通过分散部分粒子将群体引导至这些区域。该过程称为 PSO 中的动态群分散(DSDPSO)算法。为指定适当时机并掌控探索与开发行为交替的演化过程，我们采用了一种多样性度量方法并实现了分散机制。为提升 DSDPSO 算法性能，应用了三种不同策略，包括粒子重定位、分散粒子速度设置以及参数设置。我们将改进后的算法与类似新方法比较，数值结果表明，在所采用的具有不同性质的 12 个标准基准问题中，所提算法在大多数上优于基本 GPSO、LPSO、DMS-PSO、CLPSO 和 APSO。
引用
@article{arxiv.1807.00438,
title = {Dynamic Swarm Dispersion in Particle Swarm Optimization for Mining Unsearched Area in Solution Space (DSDPSO)},
author = {Anvar Bahrampour and Omid Mohamad Nezami},
journal= {arXiv preprint arXiv:1807.00438},
year = {2018}
}