Оптимизация множества частиц для обеспечения их активности Y. Bi, A. Lam, H. Quan [et al.]
Material type: ArticleContent type: Текст Media type: электронный Subject(s): алгоритм оптимизации множества частиц | динамическая адаптивность | локальный экстремум | активность частицGenre/Form: статьи в журналах Online resources: Click here to access online In: Известия высших учебных заведений. Физика Т. 64, № 5. С. 94-101Abstract: Алгоритм оптимизации множества частиц имеет ряд недостатков, поэтому предложена стратегия комплексного улучшения, представляющая собой простую оптимизацию множества частиц с динамической адаптивной гибридизацией экстремальных возмущений и кроссов (алгоритм ecds-PSO). Предложенный новый комплексный улучшенный алгоритм множества частиц отбрасывает их скорость и уменьшает PSO от второго порядка до разностного уравнения первого порядка. Эволюционный процесс управляется только переменными положения частиц. Операция гибридизации, заключающаяся в увеличении возмущения экстремума и введении генетического алгоритма, может ускорить частицы до выхода за пределы локального экстремума. Математический вывод и множество сравнительных экспериментов подтверждают, что улучшенная оптимизация множества частиц – это простой и эффективный алгоритм оптимизации, который может повысить точность алгоритма, вязкость сходимости и способность избегать локального экстремума, а также эффективно снизить сложность расчета.Библиогр.: 24 назв.
Алгоритм оптимизации множества частиц имеет ряд недостатков, поэтому предложена стратегия комплексного улучшения, представляющая собой простую оптимизацию множества частиц с динамической адаптивной гибридизацией экстремальных возмущений и кроссов (алгоритм ecds-PSO). Предложенный новый комплексный улучшенный алгоритм множества частиц отбрасывает их скорость и уменьшает PSO от второго порядка до разностного уравнения первого порядка. Эволюционный процесс управляется только переменными положения частиц. Операция гибридизации, заключающаяся в увеличении возмущения экстремума и введении генетического алгоритма, может ускорить частицы до выхода за пределы локального экстремума. Математический вывод и множество сравнительных экспериментов подтверждают, что улучшенная оптимизация множества частиц – это простой и эффективный алгоритм оптимизации, который может повысить точность алгоритма, вязкость сходимости и способность избегать локального экстремума, а также эффективно снизить сложность расчета.
There are no comments on this title.