基于低差异序列的异构综合学习粒子群优化速度更新
神经与进化计算
2022-09-21 v1 数值分析
数值分析
摘要
异构综合学习粒子群优化（HCLPSO）是一种具有增强探索与开发能力的进化算法。低差异序列（LDS）在覆盖搜索空间方面比随机序列更均匀。本文研究了利用 LDS 良好的均匀性来改进 HCLPSO。数值实验表明，仅使用 LDS 生成初始种群无法有效提升 HCLPSO 的搜索能力。然而，若我们从 HCLPSO 速度更新公式中适当选取若干随机序列，并以确定性 LDS 替换之，则可获得更高效的算法。在相同精度要求下，与原 HCLPSO 相比，采用确定性 LDS 更新速度的 HCLPSO 能显著减少寻找最优解所需的迭代次数，且不降低成功率。
引用
@article{arxiv.2209.09438,
title = {Updating velocities in heterogeneous comprehensive learning particle swarm optimization with low-discrepancy sequences},
author = {Yuelin Zhao and Feng Wu and Jianhua Pang and Wanxie Zhong},
journal= {arXiv preprint arXiv:2209.09438},
year = {2022}
}
备注
29 pages, 5 figures