将迟缓粒子动力学引入若干粒子群优化变体
神经与进化计算
2019-12-02 v1
摘要
先前的研究表明，基于粒子群优化（PSO）个体的自身适应度改善来调控其运动可增强标准 PSO 方法。本文将迟缓粒子动力学（LPD）技术应用于五种充分且广泛使用的 PSO 变体。在三个搜索空间维度（10、20 和 50 维）及 CEC 2014 基准测试的 30 个测试函数上，对五种未修改的 PSO 变体与其实现了 LPD 的对应变体进行了测试。在测试的初始阶段，五种被测 PSO 变体中有四种在精度上表现出提升。初始测试中表现最差与最好的变体接受了针对 220 和 770 组方法参数组合的详细考察，两种变体在引入 LPD 后均表现出整体的精度增益。最后，采用最优 PSO 参数所得结果进行了统计分析，表明这两种变体在 13–50% 的测试函数上给出了统计显著的精度提升。
引用
@article{arxiv.1906.02474,
title = {Introducing languid particle dynamics to a selection of PSO variants},
author = {Siniša Družeta and Stefan Ivić and Luka Grbčić and Ivana Lučin},
journal= {arXiv preprint arXiv:1906.02474},
year = {2019}
}
备注
13 pages, 10 tables, 1 figure. Egyptian Informatics Journal, 2019