입자 무리 최적화 관성 모멘트

Question

현재 "입자 군대 최적화"에서 소프트 컴퓨팅 알고리즘을 읽고 있습니다. 일반적으로이 기법을 이해하고 있지만, 수학이나 물리학 부분에서 멈추었습니다. 어떻게 작동하는지 이해할 수 없거나 이해할 수 없습니다. 또는이 비행에 미치는 영향, 그 부분은 갱신 방정식의 첫 번째 부분 인 "관성 요소" 라고 속도 전체 업데이트 속도 방정식은 다음과 내가 2.3 절에서 하나 개의 문서에서 읽기 " Ineteria Factor ":

"이 변형 알고리즘은 두 가지 가능한 PSO 경향을 균형있게 조율하는 것을 목표로합니다 (de- 매개 변수화에 매달려 있음) 알려진 솔루션 주변의 영역을 악용하거나 검색 공간의 새로운 영역을 탐색 할 수 있습니다. 그렇게하기 위해이 변형은 입자 속도 방정식 2의 운동량 성분 인 에 초점을 맞 춥니 다. 이 구성 요소를 제거하면 입자의 이동에 큰 방향의 움직임이 전혀 기억되지 않으며 항상 가까운 거리를 탐색합니다 찾아낸 해결책에. 한편, 속도 구성 요소가 사용되거나 심지어 aw가 곱해진 경우 (관성 무게, 운동량 구성 요소의 중요성을 조정 함) 요소 입자는 을 쉽게 변경할 수 없기 때문에 검색 공간의 새 영역을 탐색하는 경향이 있습니다 최상의 솔루션을 향한 속도. 그것은 먼저 " "의 운동량을 상쇄해야합니다. 따라서 새로운 모험을 할 때 "이전 운동량"에 대항하여 시간을 소비하는 새로운 영역을 탐색 할 수 있습니다. .이

전체 PDF에서 " ATION가, w 무게 값으로 이전 속도 성분을 곱하여 달성 vari- : https://www.google.com.eg/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&ved=0CDIQFjAA&url=http%3A%2F%2Fweb.ist.utl.pt%2F~gdgp%2FVA%2Fdata%2Fpso.pdf&ei=0HwrUaHBOYrItQbwwIDoDw&usg=AFQjCNH8vChXHXWz_ydHxJKAY0cUa94n-g

하지만 난 방법도 physicaly 상상할 수없는 또는 수치이 무슨 일이 생긴한다 그리고이 요소가 탐험 단계에서 착취 단계에 어떻게 영향을 미치는지 알아 보려면 숫자가 필요한 예가 필요합니다. 어떻게 작동하는지보고 상상해보십시오.

또한 유전자 알고리즘에는 GA 성공의 증거 인 스키마 정리가 있습니다. 최적의 솔루션을 찾는 데는 PSO에 대한 그러한 장점이 있습니다

Answer 1

수학을 사용하여 PSO를 설명하는 것은 쉽지 않습니다 (예를 들어 Wikipedia 기사 참조). 는하지만 당신은 다음과 같이 생각할 수있다 : 방정식은 3 부분으로 구성되어 있습니다 :

particle speed = inertia + local memory + global memory 

그래서 각 부분의 coefficientes를 변화시킴으로써 이러한 구성 요소의 '중요성'을 제어 할 수 있습니다. stocastic 부분을 일정하게하고 particle-particle interation과 같은 것을 무시하지 않는 한 분석적인 방법은 없습니다.

악용 : 가장 잘 아는 솔루션 (로컬 및 글로벌)을 활용하십시오.
을 (를) 찾기 : 새로운 방향으로 검색하지만, 최선의 해결책을 무시하지 마십시오.

간단히 말해서 입자 현재 속도 (관성), 가장 잘 아는 솔루션의 입자 메모리 및 군중이 알고있는 솔루션의 입자 메모리에 부여 할 중요성 정도를 제어 할 수 있습니다.

나는 그것이 당신을 도울 수 있기를 바랍니다! Br의

Answer 2

관성은 1995 년 Kennedy와 Eberhart가 처음 도입 한 PSO 알고리즘의 일부는 아니 었습니다. Shi와 Eberhart가이 확장을 게시하고 (어느 정도까지) 더 잘 작동 할 때까지 3 년이 걸렸습니다.

값을 상수로 설정할 수 있습니다 ([0.8 ~ 1.2]가 가장 좋음). 그러나 매개 변수의 요점은 공간의 활용과 탐색의 균형을 맞추는 것이고 작성자는 시간이 지남에 따라 [1.4에서 0]으로 감소하는 선형 함수로 매개 변수를 정의 할 때 최상의 결과를 얻었습니다. 첫 번째 이유는 좋은 씨앗을 찾고 나중에 씨앗 주변을 공격 할 수있는 해결책을 개발해야한다는 것이 었습니다.

내 기분은 0에 가까울수록 혼돈 입자가 많아집니다.

자세한 내용은 Shi, Eberhart 1998 - "수정 된 입자 군 최적화 도구"를 참조하십시오.