Thu . 19 Oct 2019

Бөлшектердің құрттарын оңтайландыру

Информатика саласында бөлшектердің үйінділерін оңтайландыру PSO есепті әдіс болып табылады, ол берілген сапа өлшеміне қатысты үміткер шешімін жақсартуға тырысады. Бұл мәселені кандидат шешімдерінің көптігі, осында дубляждалған бөлшектер және жылжыту арқылы шешеді. бөлшектердің орналасуы мен жылдамдығына қатысты қарапайым математикалық формулаларға сәйкес іздеу кеңістігінде осы бөлшектер Әрбір бөлшектің қозғалысына оның белгілі белгілі позициясы әсер етеді, бірақ сонымен бірге олар іздеу кеңістігінде белгілі болып, жаңартылып отырады. Жақсы позициялар басқа бөлшектермен анықталады. Бұл PSO-ны ең жақсы шешімдерге бағыттайды деп күтілуде. PSO бастапқыда Кеннеди, Эберхарт және Ши [1] [2] болып табылады және алғаш рет әлеуметтік мінез-құлықты модельдеуге арналған [3] құстар отарындағы немесе балық мектебіндегі ағзалардың қозғалысының стильдендірілген көрінісі. Алгоритм жеңілдетіліп, оңтайландыру жұмыстары жүргізілді. Кеннеди мен Эберхарттың [4] тұжырымдамасы ПСО-ның көптеген философиялық аспектілерін және «ақылды интеллект» туралы сипаттайды Поли-ті қолдану туралы Poli зерттеу жүргізді [5] [6] Жақында PSO-да теориялық және эксперименталды жұмыстарға кешенді шолуды Боняди жариялады және Михалевич [7]
PSO - метеоризм, өйткені ол оңтайландырылған проблемалар туралы болжамдар аз немесе мүлде жоқ және үміткер шешімдерінің өте кең кеңістігін іздей алады. Алайда, PSO сияқты метеоризм оңтайлы шешім табуға кепілдік бермейді. , PSO оңтайландырылған мәселенің градиентін пайдаланбайды, яғни PSO оңтайландыру мәселесінің градиентті түсіру және квази-Ньютон әдістері сияқты классикалық оңтайландыру әдістерімен талап етілетіндей саралануын талап етпейді. Мазмұны
1 алгоритм
2 Параметрлерді таңдау: 3 Көршілері мен топологиялары - 4 Ішкі жұмыс
41 Конвергенция - 42 Биос
5 Нұсқалар
51 Гибридизация
52 Алдын-ала ертерек жеңу
53 Қарапайым ns
54 Көп мақсатты оңтайландыру
55 Екілік, дискретті және комбинаторлық
6 Сонымен қатар қараңыз: 7 Сілтемелер
8 Сыртқы сілтемелер
Алгоритм
PSO алгоритмінің негізгі нұсқасы Бұл бөлшектер іздеу кеңістігінде бірнеше қарапайым формулаларға сәйкес қозғалады [8]. Бөлшектердің қозғалысы іздеу кеңістігінде белгілі белгілі позицияны басшылыққа алады. Сондай-ақ, үйінділердің ең танымал позициясы Жақсартылған позициялар табылған кезде, олар содан кейін үйінділердің қозғалысын басқаруға келеді. Бұл процесс қайталанады және сол арқылы қанағаттанарлық шешім табылатынына кепілдік берілмейді Формальды түрде, f: ℝn → ℝ шығын функциясы болуы керек, оны азайту керек Функция үміткер шешімін нақты сандар векторы түрінде дәлел ретінде қабылдайды және нақты санды шығыс ретінде шығарады, ол функцияның объективті мәнін көрсетеді. ги үміткердің шешімі f градиенті белгісіз Мақсат - іздеу кеңістігіндегі барлық b үшін f≤ fb болатын шешім табу, яғни ғаламдық минимизацияны h = функциясын ескере отырып орындауға болатындығын білдіреді. -f орнына
S нүктесі бөлшектердің саны болсын, олардың әрқайсысы іздеу кеңістігінде xi ∈ ℝn позицияға ие және жылдамдығы vi ∈ in болсын, pi i бөлшектерінің ең белгілі позициясы болсын, ал g - болсын. PSO алгоритмінің негізгі белгілі алгоритмі: [9]] әрбір бөлшек үшін i = 1, S do
Бөлшектердің жай-күйін біркелкі бөлінген кездейсоқ вектормен бастаңыз: xi ~ Ublo, bup
Бөлшектердің белгілі жағдайын бастапқы күйіне келтіріңіз: pi ← xi - егер fpi & lt; fg содан кейін - үйінділердің ең танымал жағдайын жаңартыңыз: g ← pi - Бөлшектердің жылдамдығын инициализациялаңыз: vi ~ U- | bup-blo |, | буп-бл | | тоқтату критерийлері орындалмаса: Әр өлшем үшін i = 1, S do
әр бөлшек үшін d = 1,, n do
Кездейсоқ сандарды таңдаңыз: rp, rg ~ U0,1
Бөлшектердің жылдамдығын жаңартыңыз: vi, d ← ω vi, d + φp rp pi, d-xi, d + φg rg gd-xi, d
Бөлшектердің жағдайын жаңартыңыз: xi ← xi + vi
егер fxi & lt; fpi содан кейін - Бөлшектердің ең жақсы белгілі жағдайын жаңартыңыз: егер fpi & lt; fg then - Ұшқыштың ең танымал жағдайын жаңартыңыз: g ← pi - Бл және буп мәндері сәйкесінше іздеу кеңістігінің төменгі және жоғарғы шекаралары. Аяқталу критерийі орындалған итерациялардың саны немесе тиісті шешім болуы мүмкін. Тәжірибеші маман function, φp және φg параметрлерін таңдайды және PSO әдісінің тиімділігі мен бақылануын анықтайды, төменде қараңыз: Параметрді таңдау - PSO қарапайым нұсқасын көрсететін өнімділік ландшафты PSO екі параметрін өзгерткен кезде бірнеше эталондық проблемалар бойынша жиынтықта жұмыс істейді. PSO параметрлерін таңдау оңтайландырудың тиімділігіне үлкен әсер етуі мүмкін, сондықтан жақсы өнімділікке ие PSO параметрлерін таңдау көп зерттеулердің тақырыбы болды [11] [12] [ 13] [14] [15] [16] [17] [18] [19]
PSO параметрлерін мета-оңтайландыру деп аталатын тұжырымдаманы басқа қабаттастыру оптимизаторын қолдану арқылы да реттеуге болады [20] [21] [ 22] Әр түрлі оптимизация үшін параметрлер де дәлденді Иондық сценарийлер [23] - Көршілер мен топологиялар - Ұшқыш топологиясы бөлшектердің жиынтығын анықтайды, олар әр бөлшек ақпарат алмаса алады. [24] Алгоритмнің негізгі нұсқасы ғаламдық топологияны топырақты коммуникациялық құрылым ретінде қолданады [10]. ] Бұл топология барлық бөлшектерге барлық басқа бөлшектермен байланыс орнатуға мүмкіндік береді, осылайша бүкіл бытыраңқы бір бөлшектен г бірдей жақсы позицияны бөліседі. Алайда, бұл тәсіл үйінділердің жергілікті минимумға түсуіне әкелуі мүмкін [25], сондықтан әртүрлі топологиялар Мысалы, бөлшектер арасындағы ақпарат ағынын бақылау үшін пайдаланылды. Мысалы, жергілікті топологияларда бөлшектер тек бөлшектер жиынтығымен ақпаратты бөліседі [10]. Бұл жиынтық геометриялық болуы мүмкін [26] - мысалы, «m жақын бөлшектер» - немесе, көбінесе, әлеуметтік, яғни қандай да бір қашықтыққа тәуелді емес бөлшектер жиынтығы Мұндай жағдайда PSO нұсқасы жергілікті PSO-ға сәйкес келеді және негізгі PSO үшін жаһандық ең жақсы болып табылады. болып табылады сақина, онда әр бөлшектің тек екі көршісі болады, бірақ басқа да көптеген адамдар бар [10] Топология міндетті түрде статикалық емес, өйткені топология бөлшектердің байланыс алуан түрлілігімен байланысты болғандықтан, [27] біршама күш-жігер жұмсалды. бейімделетін топологияларды құру үшін SPSO, [28] стохастикалық жұлдыз, [29] TRIBES, [30] кибертұңқыр, [31] және C-PSO [32]
ішкі жұмыстар
Неліктен ойлаудың бірнеше мектебі бар. және PSO алгоритмі оптимизацияны қалай жүзеге асыра алады? Зерттеушілердің ортақ пікірі: бөртпелер мінез-құлқы зерттеушілік мінез-құлықтың өзгеруі, яғни іздеу кеңістігінің кең аймағын іздеу және эксплуатациялық мінез-құлық, яғни жергілікті бағытталған іздеу арасында өзгереді. ықтимал жергілікті оңтайлы деңгейге жақындау үшін, бұл ой мектебі PSO құрылғаннан бері кең таралған [2] [3] [12] [16] Бұл ой мектебі PSO алгоритмі мен оның параметрлерін таңдау керек деген пікірге келеді. мерзімінен бұрын жиналуды болдырмау үшін барлау мен пайдалану арасындағы тепе-теңдікті сақтау Жергілікті оптимизацияға көшу әлі де оңтайлы деңгейге жақындаудың жақсы жылдамдығын қамтамасыз етеді. Бұл сенім PSO көптеген нұсқаларының алғышарттары болып табылады. Төменде қараңыз. Басқа ой мектебі PSO үйірмесінің әрекеті тұрғысынан жақсы түсінілмегендігі болып табылады. бұл нақты оптимизацияның жұмысына қалай әсер етеді, әсіресе үлкен өлшемді іздеу кеңістігі үшін және үзіліссіз, шулы және уақытқа байланысты болуы мүмкін оңтайландыру проблемалары үшін Бұл ой мектебі тек PSO алгоритмдері мен жақсы нәтижеге әкелетін параметрлерді табуға тырысады. мінез-құлықты, мысалы, барлауға және пайдалануға байланысты түсіндіруге болады. Мұндай зерттеулер PSO алгоритмін жеңілдетуге әкелді, төменде қараңыз: Конвергенция
PSO-ға қатысты конвергенция сөзі әдетте екі түрлі анықтаманы білдіреді: Конвергенция ака шешімдерінің бірізділігі, тұрақтылықты талдау, конвергенция кезінде барлық бөлшектер іздеу кеңістігіндегі нүктеге айналды, бұл оңтайлы болуы мүмкін немесе болмауы да мүмкін, Co Жергілікті оңтайлыға ұмтылу, бұл жерде барлық жеке сынақтар немесе кездейсоқтықтың ең танымал жағдайы g, мәселенің жергілікті оңтайлылығына жақындау, үйінді қалай әрекет ететініне қарамастан
PSO үшін шешімдер тізбегінің конвергенциясы зерттелген [ 15] [16] [17] Бұл талдаулар нүктеге конвергенцияны тудыратын және үйінді бөлшектерінің бөлініп кетуіне жол бермейтін PSO параметрлерін таңдау бойынша нұсқаулықтарды берді, алайда олар талдауға ұшырады. Педерсеннің айтуы бойынша, 22: егер олар тек бір ғана бөлшек болатынына сенімді болса, онда ол стохастикалық айнымалыларды пайдаланбайды және тартылыс нүктелері, яғни бөлшектердің ең жақсы белгілі п позициясы және үйінділердің ең белгілі позициясы g қалады, оңтайландыру процесінде үнемі өзгеріп отырады. Алайда, бұл оңайлатулар бұл зерттеулердің анықтаған шекараларға әсер етпейтінін көрсетті, бұл конвергент <б) болып табылады. br> Жергілікті оңтайлыға жақындау PSO үшін [34] және [35] талданды, бұл PSO жергілікті оңтайлы опцияны табуға кепілдік беру үшін біршама өзгертулер қажет екендігі дәлелденді. Бұл әр түрлі PSO алгоритмдері мен конвергенция мүмкіндіктерін анықтауды білдіреді. сондықтан параметрлер әлі де эмпирикалық нәтижелерге байланысты болады. Бұл мәселені шешудің бір әрекеті - бұл көшбасшы конвергентті мысал ретінде қалыптастыру үшін және p мен g арасындағы қатынастарда бұрыннан бар ақпаратты жақсарту үшін «ортогональды оқыту» стратегиясын әзірлеу. PSO кез-келген топологиясында тиімді болу Мақсат PSO-ның өнімділігін, оның ішінде тезірек жаһандық конвергенцияны, шешімнің жоғары сапасын және беріктікті жақсарту болып табылады [36] Алайда, мұндай зерттеулер олардың талаптарын іс жүзінде дәлелдейтін теориялық дәлелдер келтірмейді
Biases PSO негізгі өлшемі өлшем бойынша жұмыс істейтіндіктен, шешім нүктесі іздеу кеңістігінің осіне, диагональға жатқанда оңай болады, тіпті егер ол дұрыс болса. ортасында [37] [38]
Бір тәсіл - бұл алгоритмді координаттар жүйесіне сезімтал болмайтындай етіп өзгерту [39] [40] [41] [42] Осы әдістердің кейбіріне назар аударыңыз. Есептеуіш күрделілігі жоғарырақ ^ 2-ге тең, мұнда n - масштабты оңтайландыру үшін алгоритмді өте баяулататын өлшемдер саны [35]
PSO-ның қазіргі кездегі нұсқасы координаталардың айналуына сезімтал емес. Жергілікті конвергент 2014 жылы ұсынылды. [35] Бұл әдіс көптеген эталондық есептерде өте жақсы нәтиже көрсетті, ал оның айналу өзгермелілігі және жергілікті конвергенциясы математикалық дәлелденді - Варианттар
PSO негізгі алгоритмінің көптеген нұсқалары бар мүмкін Мысалы, бөлшектерді және жылдамдықтарды инициализациялаудың әртүрлі тәсілдері бар, мысалы жылдамдықты нөлден бастаңыз, жылдамдықты қалай сөндіруге болады, тек pi және g-ді бүкіл үйінді жаңартылғаннан кейін жаңарту және т.б .. Кейбір таңдаулар және олардың мүмкін болатын әсер етуі hav e әдебиеттерде талқыланды [14]
Жетекші зерттеушілер «стандартты енгізу сериясын жасады,» техниканы жетілдіруді тестілеу үшін негіз ретінде де, PSO-ны кеңірек ұсыну үшін де арналған оңтайландыру қоғамдастығы Белгілі, қатаң түрде анықталған стандартты алгоритмнің болуы жаңа жетістіктерді жақсарту үшін зерттеу саласында қолданылатын құнды салыстыру нүктесін береді »[10] Ең соңғысы - PSO 2011 SPSO-2011 [43]
будандастыру
PSO жаңа және неғұрлым күрделі нұсқалары оңтайландыру жұмысын жақсарту мақсатында үнемі енгізіліп келеді. Зерттеудің белгілі бағыттары бар; біреуі PSO-ны басқа оңтайландырғыштармен біріктіріп гибридті оңтайландыру әдісін жасау [44] [45] [46], мысалы, PSO-ны биогеография негізіндегі оңтайландыру, [47] және оқытудың тиімді әдісін енгізу [36]
Алдын-ала ертерек алтылықты азайту »Зерттеудің тағы бір бағыты - ерте конвергенцияны жеңілдету, яғни оңтайландырудың тоқыраушылығы, мысалы, PSO бөлшектерінің қозғалысын өзгерту немесе бұзу арқылы [19] [48] [49] [50] басқа тәсіл. мезгілсіз конвергенция - бұл көптеген үйінділерді пайдалану [51] көп ұңғыларды оңтайландыру. Көп ұшықты тәсілді көп мақсатты оңтайландыруды жүзеге асыру үшін де қолдануға болады [52] Сонымен, оңтайландыру кезінде PSO-ның мінез-құлық параметрлерін бейімдеуде өзгерістер бар [53]. ]
Жеңілдетулер - тағы бір ой мектебі - бұл PSO мүмкіндігін оның жұмысын нашарлатпай жеңілдету керек; Оксамның ұстарасы деп аталатын жалпы тұжырымдаманы оңайлататын PSO-ны ең алдымен Кеннеди ұсынған [3] және ол тереңірек зерттелді, [18] [21] [22] [54], онда оңтайландыру өнімділігі жақсарды және параметрлер анықталды Реттеу оңайырақ болды және олар әр түрлі оңтайландыру проблемаларын бірізділікпен орындады ... PSO-ны жеңілдетудің тағы бір дәлелі метаевризманың тиімділігін тек оңтайландыру проблемаларының шектеулі санына есептеу тәжірибелерін жүргізу арқылы эмпирикалық түрде көрсетуге болатындығы. PSO дұрыс дәлелденбейді және бұл оны сипаттау мен іске асыруда қателіктер жіберудің қаупін арттырады. Мұның жақсы мысалы генетикалық алгоритмнің перспективті нұсқасын ұсынды, әйгілі метеористік танымал, бірақ кейіннен ол қатал деп табылды, өйткені ол қатты негізделді. t оңтайлы болған іздеу кеңістігіндегі әртүрлі өлшемдердің ұқсас мәндерін іздестіру кезінде ол қарастырылған эталондық проблемалар Бұл бұрмалану бағдарламаның қателігі себебінен болды және ол енді түзетілді [56]
Жылдамдықты инициализациялау қосымша енгізуді қажет етуі мүмкін Bare Bones PSO нұсқасы [57] 2003 жылы Джеймс Кеннеди ұсынған және ол жылдамдықты мүлдем қолданудың қажеті жоқ. Тағы бір қарапайым нұсқа - бұл жылдамдықты қажет етпейтін және көптеген қолданбаларда конвергенцияны тездете алатын APSO-ның жылдамдатылған бөлшектерді оңтайландыру [58], қарапайым IPSO коды қол жетімді [ 59]
PSO көп мақсатты оңтайландыру көп мақсатты проблемаларға да қолданылды, [60] [61], онда PSO бөлшектері мен доминантты емес шешімдер жылжытуда функционалды функцияны салыстыру парето үстемдігін ескереді Паретоның алдыңғы қатарына жақындау үшін сақталады
Екілік, дискретті және комбинаторлық
Жоғарыда келтірілген PSO теңдеулері нақты сандармен жұмыс істейтіндіктен, дискреттік есептерді шешудің кең таралған әдісі - дискретті іздеу кеңістігін үздіксіз картаға түсіру домен, қосымшаға немесе классикалық PSO, содан кейін нәтижені сызу Мұндай карта жасау өте қарапайым болуы мүмкін, мысалы, жай дөңгелектелген мәндерді қолдану арқылы немесе одан да күрделі [62]
Алайда, қозғалыс теңдеулері орындайтын операторларды қолданады. төрт әрекет:
екі позицияның айырмашылығын есептеу. Нәтиже жылдамдықты дәлірек көрсетеді - жылдамдықты жылдамдықты сандық коэффициентке көбейтіп,
жылдамдықты позицияға екі жылдамдық қосады
Әдетте позиция мен жылдамдық n нақты сандармен берілген, ал бұл операторлар жай -,, +, және тағы да + Бірақ бұл барлық математикалық нысандарды екілік есептер немесе жалпы дискретті мәселелерді шешу үшін мүлдем басқаша анықтауға болады [63] [64] [65] [66] Бір тәсіл - жиынтықтар негізінде операторларды қайта анықтау [67]
Сондай-ақ қараңыз: Аралар алгоритмі / Ара жасанды алгоритмі
Туынды - тегін оңтайландыру - Көпіршікті оңтайландыру - Бөлшектердің сүзгісі - Swar m ақыл-ой
Балық мектебін іздеу
Сілтемелер
^ Кеннеди, Дж; Эберхарт, 1995 ж. «Бөлшектердің құрттарын оңтайландыру» IEEE халықаралық нейрондық желілер жөніндегі конференциясының материалдары, 1942-1948 жж.: 101109 / ICNN1995488968
^ a b Shi, Y; Эберхарт, РК 1998 «Эволюцияның бөлшектерін модификациялаушы» IEEE эволюциялық есептеулер жөніндегі халықаралық конференциясының материалдары, pp 69–73
abc Кеннеди, J 1997 «Бөлшектердің қозғалуы: білімнің әлеуметтік бейімделуі» IEEE эволюциялық есептеу бойынша халықаралық конференциясының материалдары. 303–308 бет. ^ Кеннеди, Дж; Eberhart, RC 2001 Swarm Intelligence Morgan Kaufmann ISBN 1-55860-595-9
^ Поли, R 2007 «Бөлшектердің үйінділерін оңтайландыруға арналған басылымдарды талдау» PDF Техникалық есеп CSM-469 Информатика кафедрасы, Эссекс университеті, Ұлыбритания. ^ Поли, R 2008 «Бөлшектердің үйінділерін оңтайландыру туралы жарияланымдарды талдау» PDF Жасанды эволюция және қолданбалар журналы 2008: 1–10 doi: 101155/2008/685175
^ Боняди, MR; Michalewicz, Z 2016 «Ғарыштық есептердің біртұтас объективті бөлшектерін оңтайландыру: шолу» Баспадағы эволюциялық есептеу «^ Жан, 2015 жыл» «Бөлшектердің құрттарын оңтайландыру алгоритмі және оны қолдану туралы кешенді зерттеу» Инженерлік қызметтегі математикалық мәселелер 2015: 931256
^ Clerc, M 2012 «Стандартты бөлшектердің құрттарын оңтайландыру» PDF HAL ашық қол жетімді мұрағаты
^ abcde Bratton, Daniel; Кеннеди, Джеймс 2007 «Бөлшектердің құрттарын оңтайландыру стандартын анықтау» PDF IISEE Sarm 2007 Intelligence Simpozium SIS 2007
Тахерхани, М; Сафабахш, R 2016 «Бөлшектердің үйінділерін оңтайландыруға арналған тұрақтылыққа негізделген бейімделгіш инерцияның жаңа салмағы» Қолданбалы жұмсақ есептеу 38: 281–295 doi: 101016 / jasoc201510004
^ a b Shi, Y; Eberhart, RC 1998 «Бөлшектердің үйінділерін оңтайландыруда параметрлерді таңдау» Эволюциялық бағдарламалау материалдары VII EP98 pp 591–600
^ Эберхарт, RC; Ши, 2000 ж. «Инерцияның салмағын және бөлшектердің үйіндісін оңтайландыру кезіндегі тарылу факторларын салыстыру» Эволюциялық есептеу бойынша Конгресстің материалдары. 1 б. 84–88
^ a b Карлайл, A; Dozier, G 2001 «Жарықтан тыс PSO» PDF Бөлшектердің ұңғыларын оңтайландыру жөніндегі жұмыс материалдары, pp 1–6
^ ab van den Bergh, F 2001 Particle Swarm Optimizers Талдау PhD диссертация | формат = қажет | url = Претория университетіне, жаратылыстану және ауылшаруашылық ғылымдары факультетіне көмек. ^ abc Clerc, M; Кеннеди, J 2002 «Бөлшектердің сілкінісі - жарылыс, тұрақтылық және көпөлшемді комплексті кеңістіктегі конвергенция» IEEE эволюциялық есептеулер бойынша операциялар 6 1: 58–73 doi: 101109/4235985692
^ ab Trelea, 2003 Оңтайландыру алгоритмі: конвергенцияны талдау және параметрлерді таңдау «Ақпаратты өңдеу хаттары 85 6: 317–325 doi: 101016 / S0020-01900200447-7
^ ab Bratton, D; Блэквелл, T 2008 «Жеңілдетілген рекомбинантты PSO» Жасанды эволюция және қолданбалар журналы. ^ E Evers, G 2009 Автоматты түрде қайта құру механизмі. Бөлшектердің қайнарларын оңтайландыру бойынша магистрлік диссертация Техас Университеті - Пан Американдық, Электр бөлімі Инжиниринг: ^ Мейснер, M; Шмукер, М; Schneider, G 2006 «ОПСО-ны оңтайландырылған бөлшектерді құрту және оны жасанды нейрондық желіні оқытуда қолдану» BMC Bioinformatics 7 1: 125 doi: 101186 / 1471-2105-7-125 PMC 1464136 PMID 16529661
^ ab Pedersen, MEH 2010 Tuning & amp; Эвристикалық оңтайландыруды жеңілдету бойынша кандидаттық диссертация Саутгемптон университеті, инженерлік ғылымдар мектебі, есептеу техникасы және жобалау тобы
^ a b c Pedersen, MEH; Чипперфилд, AJ 2010 «Бөлшектердің қозуын оңтайландыру» PDF қолданбалы жұмсақ есептеуіш 10 2: 618–628 doi: 101016 / jasoc200908029
^ Педерсен, MEH 2010 «Бөлшектердің үйінділерін оңтайландыруға арналған жақсы параметрлер» PDF HL1001 Hvass Laboratories ^ Кеннеди, Дж; Мендес, R 2002 «Популяцияның құрылымы және бөлшектердің үйінділерінің өнімділігі» Эволюциялық есептеу, 2002 CEC'02 2002 жылғы Конгресстің doi бойынша материалдары: 101109 / CEC20021004493
^ Мендес, R 2004 популяция топологиясы және олардың бөлшектердің үйінділерінің жұмысына әсері PhD диссертациялары Universidade Minho do ^ Suganthan, Ponnuthurai N «Эволюциялық есептеу» көрші операторымен бөлшектердің ұңғылы оптимизаторы, 1999 CEC 99 IEEE 3-том, 1999 ж. Конгресс материалдары, 1999 ж. ^ Оливейра, М; Пинейро, D; Андраде, В; Бастос-Филхо, С; Menezes, R 2016 «Бөлшектердің ұңғымаларын оңтайландырғыштардағы коммуникациялық әртүрлілік» Халықаралық ақыл-ой конференциясы doi: 101007 / 978-3-319-44427-7_7
^ SPSO бөлшектер Swarm Central
^ Миранда, V, Кеко, Н және Дюк, Á J 2008 Эволюциялық бөлшектердегі стохастикалық байланыс топологиясы EPSO IJCIR есептеу интеллектуалды зерттеулерінің халықаралық журналы, 4 том, нөмір 2, 105-116 беттер. ^ Клерк, М 2006 ISTE халықаралық ғылыми-техникалық энциклопедиясы, 2006
^ Инь, П, Гловер, F, Лагуна, М, & amp; Чжу, J 2011 Толықтырылған кибер алаяқтық алгоритмі IJSIR, «22», 22-41
«Эльгами», W; Рашад, Н; Бахгат, 2007 «Клубтар негізіндегі бөлшектердің құрттарын оңтайландыру» PDF IEEE Swarm Intelligence Symposium 2007 SIS2007 Гонолулу, HI pp 289–296
^ Клегхорн, Кристофер W 2014 «Бөлшектердің құрттарының конвергенциясы: стандартталған талдау және топологиялық әсер» Ақылды интеллект конференциясы
^ Van den Bergh, F «Бөлшектердің айнымалы оптимизаторы үшін жинақталудың дәлелі» Fundamenta Informaticae
^ abc Боняди, Мухаммад Реза; Michalewicz, Z 2014 «Жергілікті конвергенцияланатын айналмалы инвариантты бөлшектердің үйінділерді оңтайландыру алгоритмі» Ұшқыр барлау 8 3: 159–198 doi: 101007 / s11721-014-0095-1
^ a b Z, Z-H; Чжан, Дж; Ли, Ю; Ши, Y-H 2011 «Ортогональды оқуды бөлшектерді оңтайландыру» PDF IEEE эволюциялық есептеу бойынша операциялар 15 6: 832–847 doi: 101109 / TEVC20102052054
^ Монсон, C K & amp; Сеппи, K D 2005 PSO GECCO'05-тегі шығу тегі туралы анықтама, 241-248 бет. ^ Spears, W M, Green, D T & amp; Spears, D F 2010 Бөлшектердің құрттарын оңтайландырудағы жалтарулар Интеллект Зерттеулерінің Халықаралық журналы, 12-том, 34-57 беттер. ^ Уилке, Д Н, Кок, S & amp; Groenwold, A A 2007 Бөлшектердің жылжуын оңтайландыру кезіндегі жылдамдықты сызықтық және классикалық жаңарту ережелерін салыстыру: Инженерлік қызметтегі сандық әдістерге арналған халықаралық журнал шкаласы мен жақсаруы туралы жазбалар, Джон Уайли & amp; Sons, Ltd, 70, 985-1008 бет. ^ ^ SPSO 2011, Бөлшектік Swarm Central
^ Боняди, Мұхаммед Реза; Michalewicz, Z 2014 «SPSO 2011 тұрақтылықты талдау; жергілікті конвергенция және айналу сезімталдығы» GECCO2014 ACSI трекіндегі ең жақсы қағаз марапаттау: 9-16 - ^ Боняди, Мохаммад Реза; Michalewicz, Z 2014 «Бөлшектердің үйінділерін оңтайландыру алгоритмінің жылдамдықты жаңарту ережесін талдау» Эвристика журналы 20 4: 417–452 doi: 101007 / s10732-014-9245-2
^ Замбрано-Бигарарини, М; Клерк, М; Rojas, R 2013 «CEC-2013-де стандартты бөлшектердің құрттарын оңтайландыру 2011: PSO-ны болашақта жетілдірудің негізі» Эволюциялық есептеу орталығы, 2013 ж. IEEE конгресі, ^ Ловберг, М; Кринк, Т 2002 «Өмір циклінің моделі: бөлшектердің үйінділерін оңтайландыруды, генетикалық алгоритмдерді және таулы альпинистерді біріктіру» Табиғаттан параллельді мәселелерді шешу жолдары VII PPSN pp 621–630
^ Никнам, Т; Amiri, B 2010 «Кластерлік анализге арналған PSO, ACO және k-құралдарына негізделген тиімді гибридті тәсіл» Қолданбалы жұмсақ есептеу 10 1: 183–197 doi: 101016 / jasoc200907001
^ Чжан, Вен-Джун; Xie, Xiao-Feng 2003 DEPSO: дифференциалды эволюция операторымен бөлшектенген гибридті бөлшектер IEEE жүйелері, адам және кибернетика бойынша SMCC халықаралық конференциясы, Вашингтон, ДС, АҚШ: 3816-3821
^ Чжан, Ю; Wang, S 2015 «Вавелет энтропиясы және биогеография негізіндегі оңтайландыруды және бөлшектердің құрттарын оптимизациялау арқылы магниттік-резонанстық бейнені сканерлеудегі мидың патологиялық анықтамасы» Электромагниттік зерттеулердегі прогресс - Pier 152: 41-58
^ Lovbjerg, M; Кринк, T 2002 «Өздігінен ұйымдастырылған маңыздылығы бар бөлшектерді құрайтын оптимизаторларды кеңейту» Эволюциялық есептеу бойынша төртінші конгресстің материалдары. CEC 2 pp 1588–1593
^ Xinchao, Z 2010 «Санды оңтайландыруға арналған перфорацияланған бөлшектердің үйінділер алгоритмі» Қолданбалы жұмсақ есептеу 10 1: 119–124 doi: 101016 / jasoc200906010
^ Сие, Сяо-Фэн; Чжан, Вэнь-Джун; Янг, Цзян-Лиан 2002 Эволюциялық есептеу бойынша диссипативті бөлшектердің оңтайландыру конгресі, Гонолулу, HI, АҚШ: 1456-1461
^ Чеунг, Н Дж, Динг, Х-М, & amp; Шен, H-B 2013 OptiFel: Такаги-Сукено анық емес модельдеуге арналған конвергентті гетерогенді бөлшектерді саралауды оңтайландыру алгоритмі, IEEE анық емес жүйелердегі транзакциялар, doi: 101109 / TFUZZ20132278972
^ Nobile, M; Бесозци, D; Cazzaniga, P; Маури, G; Pescini, D 2012 «Дискретті уақытты мақсатты пайдалануға арналған стохастикалық биологиялық жүйелердегі параметрлерді бағалауға арналған GPU-ға негізделген көпжылдық PSO әдісі» Эволюциялық есептеу, биоинформатикада машиналарды оқып үйрену және деректерді өңдеу Информатика бойынша дәрістерге түсініктеме 7264 pp 74–85
^ Жан, ЖХ; Чжан, Дж; Ли, Ю; Chung, HS-H 2009 «Бейімделгіш бөлшектердің құрттарын оңтайландыру» PDF IEEE жүйелер, адам және кибернетика бойынша операциялар 39 6: 1362–1381 doi: 101109 / TSMCB20092015956
^ Янг, XS 2008 Табиғаттың шабытына ие метеористикалық алгоритмдер Luniver Press ISBN 978 -1-905986-10-1
^ Ту, З; Лу, 2004 ж. «Ғаламдық сандық оңтайландыруға арналған StGA-ның тұрақты стохастикалық генетикалық алгоритмі» IEEE эволюциялық есептеулер бойынша операциялар 8 5: 456–470 doi: 101109 / TEVC2004831258
^ Tu, Z; Лу, 2008 ж. «Ғаламдық сандық оңтайландыруға арналған тұрақты стохастикалық генетикалық алгоритмге арналған түзетулер» IEEE эволюциялық есептеулер бойынша операциялар 12 6: 781–781 doi: 101109 / TEVC2008926734
^ Кеннеди, Джеймс 2003 «Жұқа сүйектердің бөлшектері» процедуралары 2003 ж. IEEE Swarm Intelligence симпозиумының ^ XS Yang, S Deb және S Fong, бөлшектердің үйінділерін оңтайландыру және бизнесті оңтайландыруға арналған қолдау векторлық машинасы, NDT 2011, Springer CCIS 136, 2011 ж. 53-66

http: // wwwmathworkscom / matlabcentral / fileexchange / term = APSO
^ Parsopoulos, K; Vrahatis, M 2002 «Multibjective есептердегі бөлшектердің бытырауын оңтайландыру әдісі» Қолданбалы есептеуіштерге арналған ACM симпозиумының материалдары SAC pp 603–607

Cello Coello, C; Salazar Lechuga, M 2002 «MOPSO: эволюциялық есептеу бойынша бірнеше объективті бөлшектердің ұңғымаларын оңтайландыруға арналған ұсыныс» CEC'2002 pp 1051–1056
^ Рой, Р, Дехури, С., & Чо, SB 2012 Жаңа бөлшектердің құрттарын оңтайландыру Көп мақсатты комбинаторлық оптимизация мәселесінің алгоритмі 'IJAMC қолданбалы метеористикалық есептеудің халықаралық журналы', 24, 41-57
^ Кеннеди, Дж & amp; Eberhart, RC 1997 Бөлшектердің сілкіну алгоритмінің дискретті екілік нұсқасы, жүйелер, адам және кибернетика бойынша конференция, Piskataway, NJ: IEEE қызмет көрсету орталығы, pp 4104-4109
^ Clerc, M 2004 Саяхатшылардың проблемалары, Инженерлік қызметтегі оңтайландырудың жаңа әдістері, Springer, pp 219-239
^ Клерк, M 2005 Бинарлық бөлшектердің ақымақ оптимизаторлары: құралдар жинағы, туындылар және математикалық түсініктер, HAL ашық мұрағаты ^ Жарбуи, Б, Дамак , N, Siarry, P, and Rebai, AR 2008 Арнайы математикалық және есептеу жұмыстарында ресурстарды көп қажет ететін жобаларды жоспарлау мәселелерін шешуге арналған комбинаторлық бөлшектердің ұңғыларын оңтайландыру, 299-308 бет. - Чен, Вэй-ненг; Zhang, Jun 2010 «Бөлшектердің үйінділерін дискретті оңтайландырудың жаңа әдісі» IEEE эволюциялық есептеулер бойынша операциялар 14 2: 278–300 doi: 101109 / tevc20092030331
Сыртқы сілтемелер
Бөлшектердің Swarm Central - бұл репозиторий PSO туралы бірнеше ақпараттар еркін қол жетімді - бөлшектік сызықтардың қысқаша бейнесі - үш өлшемді функцияны оңтайландырады
PSL конвергенциясын екі өлшемді кеңістікте модельдеу - PSO қосымшалары
жаңбырды автоматты түрде калибрлеу Жылдам және элиттік көп мақсатты бөлшектердің ұңғылы алгоритмін қолдану арқылы модель. Бөлшектердің ұңғыларын оңтайландыру 27-дәрісті оқып, тыңдаңыз.
PSO-ның бастапқы кодына сілтемелер
v
e
Оптимизацияның негізгі қосалқы тұстары
Convex бағдарламалау
Бүтін сандық бағдарламалау
Квадраттық бағдарламалау
Сызықты емес бағдарламалау
Стохастикалық бағдарламалау
Тұрақты оңтайландыру
Комбинаторлық оңтайландыру
Шексіз өлшемді оңтайландыру
Метеоризм
Шектеу қанағаттандыруы
Мульти bctive optimization
v
e
Swarming - Биологиялық жүзу - Биологиядағы агент негізіндегі модель
Bait ball - Жануарлардың ұжымдық мінез-құлқы
Азықтандыру құбылысы
Отар
Ақбөкендер - табындар - табындар - отарларды өсіруге арналған аралас түрлер - қозғалмалы мінез-құлық
пакет - аңшы - құмырсқалардағы өзін-өзі ұйымдастыру үлгілері
Шоқпарлау және мектепте оқыту
Sort sol - Шығарылатын құмырсқалардың симметриялы бұзылуы
Тыныш мінез - Жұтылатын бал аюы - Жуан қозғалғыштығы - Жануарлардың көші-қоны
Жануарлардың көші-қоны
биіктіктегі және бақылау - кодталған сым тегі - құстардың қоныс аударуы және ұшу жолдары - кері көшу
жасушалардың көші-қоны
балықтың көші-қоны
диэлектрик тік және лесепсиялық - лосось аққұба
сардина жүгірісі
үйге көшіру
табиғи
филопатия
жәндіктердің қоныс аударуы - көбелектер
монарх - теңіз тасбақаларының көші-қоны
алгоритмдер
агент негізіндегі модельдер
құмырсқалар колониясы оптимизациясы br> Boids
Қарақұйрықты модельдеу - Бөлшектердің ұңғымаларын оңтайландыру - Ұшқыр зияткерлік - Ұнтақ модельдеу
Ұжым қозғалыс - Белсенді заттар
Ұжымдық қозғалыс - Өздігінен жүретін бөлшектер - кластерлік
Vicsek моделі - Қуыр робототехника - Құмырсқа робототехникалары - I-Swarm
Микроботиктер
Суық робототехника - Symbrion
Қатысты тақырыптар - Allee эффектісі - Жануарлардың навигациясы - Ұжымдық интеллект
Орталықтандырылмаған жүйе
Эоциоциалдық - Топтық өлшемдер - Микробты барлау
Мутуализм
Жыртқышқа қанықтыру - Кворумды сезіну
Кеңістікті ұйымдастыру - Стигмергия - Әскери алаяқтық - Әлеуметтік жәндіктерді бөлу және бөлу


Particle swarm optimization

Random Posts

The San Francisco Examiner

The San Francisco Examiner

The San Francisco Examiner is a longtime daily newspaper distributed in and around San Francisco, Ca...
Frederator Films

Frederator Films

Frederator Films is an animation studio founded by Fred Seibert as part of Frederator Studios, with ...
John Hasbrouck Van Vleck

John Hasbrouck Van Vleck

John Hasbrouck Van Vleck March 13, 1899 – October 27, 1980 was an American physicist and mathematici...
Christian Lacroix

Christian Lacroix

Christian Marie Marc Lacroix French pronunciation: ​kʁistjɑ̃ lakʁwa; born 16 May 1951 is a Fren...