深入理解粒子群优化中的局部吸引子：速度与解的质量
神经与进化计算
2014-09-02 v1
摘要
粒子群优化 (PSO) 是一种用于解决连续优化问题的流行自然启发式元启发式算法。尽管该技术被广泛使用，但对使群如此成功的机制的理解仍然有限。我们首次对局部吸引子对探索和利用质量的影响进行了实质性的实验研究。我们详细比较了经典 PSO 与忽略局部吸引子的纯社会型变体。为了衡量探索能力，我们确定了两种变体在全局最优解邻域内返回结果的频率。我们通过仅考虑那些搜索点足够接近全局最优解的运行的函数值来衡量利用质量，然后比较这些值在全局最小值基础上仍偏差多少位数字。结果表明，局部吸引子显著改善了探索能力，但有时会降低利用质量。作为一种折衷方案，我们提出并评估了一种混合 PSO，它在特定时间点关闭其局部吸引子。通过测量群的势能也可以观察到上述效应。
引用
@article{arxiv.1406.1691,
title = {Towards a Better Understanding of the Local Attractor in Particle Swarm Optimization: Speed and Solution Quality},
author = {Vanessa Lange and Manuel Schmitt and Rolf Wanka},
journal= {arXiv preprint arXiv:1406.1691},
year = {2014}
}