用于处理粒子群优化器约束的伪自适应惩罚
神经与进化计算
2021-01-28 v1 最优化与控制
摘要
惩罚法是一种流行的技术，用于赋予粒子群优化器处理约束的能力。其缺点是需要针对特定问题设置的惩罚系数。虽然文献中可见自适应系数，但本文提出了一种不同的自适应方案，其中系数保持恒定。通过对约束违反容忍度的伪自适应松弛，同时仅惩罚超出此类容忍度的违反，实现了伪自适应惩罚。在一个基准问题集上测试了粒子群优化器在三种容忍度松弛下的表现：无松弛；自整定初始松弛配合确定性递减；以及自整定初始松弛配合伪自适应递减。其他作者的结果作为参考框架给出。
引用
@article{arxiv.2101.11441,
title = {Pseudo-Adaptive Penalization to Handle Constraints in Particle Swarm Optimizers},
author = {Mauro S. Innocente and Johann Sienz},
journal= {arXiv preprint arXiv:2101.11441},
year = {2021}
}
备注
Preprint submitted to Proceedings of the tenth International Conference on Computational Structures Technology