×
孙骏;吴晓军;瓦西里宫;方、伟;史玉辉

随机漂移粒子群优化算法：收敛性分析和参数选择。 （英语） 兹比尔1343.68224

马赫。学习。 101，编号1-3，345-376（2015）.
摘要：随机漂移粒子群优化（RDPSO）算法是一种PSO变体，其灵感来源于置于外电场中的金属导体中的自由电子模型。本文在对RDPSO算法进行初步研究的基础上，对该算法进行了系统的分析和实证研究。首先，介绍了RDPSO算法的动机，并详细描述了粒子速度方程的设计。其次，对算法进行了全面的分析，以深入了解RDPSO算法的工作原理。它涉及RDPSO算法中单个粒子随机动力学行为的理论分析和模拟。通过分析粒子之间的相互作用，详细研究了算法本身的搜索行为。然后，通过将不同的随机速度分量与不同的邻域拓扑相结合，提出了RDPSO算法的一些变体。最后，使用CEC2005基准套件中的一组基准函数对RDPSO算法进行了实证研究。在对粒子行为进行理论分析的基础上，采用了两种控制算法参数的方法，然后对如何选择参数值进行了实验分析，以获得RDPSO算法及其变体在实际应用中的令人满意的总体性能。进一步比较了RDPSO算法和其他PSO变体的性能，以证明RDPSO的有效性。

引用于4文件

MSC公司：

68T20型 人工智能背景下的问题解决（启发式、搜索策略等）
90 C59 数学规划中的近似方法和启发式

关键词：

进化计算;最优化;粒子群优化;随机运动

软件：

中国电子05;DEAP公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Sun}等人，马赫。学习。101，编号1--3345--376（2015；Zbl 1343.68224）
全文： 内政部 arXiv公司

参考文献：

[1] Bergstra，J.和Bengio，Y.（2012年）。超参数优化的随机搜索。机器学习研究杂志，12，281-305·Zbl 1283.68282号
[2] Bonyadi，M.R.、Michalewicz，Z.和Li，X.（2014）。分析了粒子群优化算法的速度更新规则。启发式杂志，20（4），417-452·doi:10.1007/s10732-014-9245-2
[3] Bratton，D.和Kennedy，J.（2007年）。定义粒子群优化的标准。IEEE群体智能研讨会论文集，（第120-127页）。纽约：IEEE出版社。
[4] Bull，A.（2011年）。高效全局优化算法的收敛速度。机器学习研究杂志，12，2879-2904·Zbl 1280.90094号
[5] Cleghorn，W.C.和Engelbrecht，A.P.（2014）。粒子群收敛：标准化分析和拓扑影响。《计算机科学讲义》，8867，第134-145页。
[6] Clerc，M.（1999）。群和皇后：走向确定性和自适应粒子群优化。在进化计算会议记录中。（第1951-1957页）。纽约：IEEE出版社。
[7] Clerc，M.和Kennedy，J.（2002年）。粒子群在多维复杂空间中的爆炸、稳定性和收敛性。IEEE进化计算汇刊，6（2），58-73·doi:10.1109/4235.985692
[8] Courant，R.（1989）。微积分和分析导论。柏林：斯普林格·Zbl 0683.26002号 ·doi:10.1007/978-1-4613-8955-2
[9] Day，R.W.和Quinn，G.P.（1989）。生态方差分析后的处理比较。生态专著，59433-463·doi:10.2307/1943075
[10] Eberhart，R.C.和Kennedy，J.（1995）。使用粒子群理论的新优化器。第六届国际微机械与人类科学研讨会论文集（第39-43页）。纽约：IEEE出版社·Zbl 1093.68105号
[11] Eberhart，R.C.和Shi，Y.（2000）。比较粒子群优化中的惯性权重和收缩因子。2000年进化计算大会会议记录（CEC'00），第1卷。（第84-88页）。纽约：IEEE出版社·Zbl 0502.90070
[12] Emara，H.M.和Fattah，H.A.（2004）。具有稳定性分析的连续群优化技术。《美国控制会议记录》（第2811-2817页）。纽约：IEEE出版社。
[13] Engelbrecht，A.P.（2013年）。粒子群优化：全局最优还是局部最优？巴西第十一届计算智能大会会议记录（第124-135页）。纽约：IEEE出版社。
[14] Escalante，H.J.、Montes，M.和Sucar，L.E.（2009年）。粒子群模型选择。机器学习研究杂志，10405-440。
[15] Fortin，F.-A.、De Rainville，F.-M.、Gardner，M.-A.、Parizeau，M.和Gagne，C.（2012）。DEAP：进化算法变得简单。机器学习研究杂志，13，2171-2175·兹比尔06276179
[16] Fournier，H.和Teytaud，O.（2011年）。使用VC-维度和符号模式的基于比较的进化策略的下限。《算法》，59（3），387-408·Zbl 1211.68505号 ·doi:10.1007/s00453-010-9391-3
[17] Gavi，V.和Passno，K.M.（2003年）。社会觅食群的稳定性分析。IEEE系统、人与控制论汇刊，34（1），539-557。
[18] Henning，P.和Keifel，M.（2013）。准纽顿方法：一个新的方向。机器学习研究杂志，14843-865·Zbl 1320.62049号
[19] Jiang，M.、Luo，Y.P.和Yang，S.Y.（2007）。标准粒子群优化算法的随机收敛性分析和参数选择。信息处理信件，102，8-16·Zbl 1184.68621号 ·doi:10.1016/j.ipl.2006.10.005
[20] Kadirkamanathan，V.、Selvarajah，K.和Fleming，P.J.（2006）。粒子群优化算法中粒子动力学的稳定性分析。IEEE进化计算汇刊，10（3），245-255·doi:10.1109/TEVC.2005.857077
[21] Kennedy，J.（1998）。粒子的行为。《第七届进化规划年会论文集》（第581-589页）。柏林：斯普林格·Zbl 1237.34091号
[22] Kennedy，J.（1999）。小世界和百万：邻域拓扑对粒子群性能的影响。在《国会议事录》中，关于进化计算（第1931-1938页）。纽约：IEEE出版社。
[23] Kennedy，J.（2002）。定型：通过聚类分析改进粒子群性能。《计算智能国会议事录》（第1671-1676页）。纽约：IEEE出版社·Zbl 1326.68271号
[24] Kennedy，J.（2003）。赤骨颗粒群。《IEEE群体智能研讨会论文集》（第80-87页）。纽约：IEEE出版社。
[25] Kennedy，J.（2004）。粒子群中的概率和动力学。《进化计算国会议事录》（第340-347页）。纽约：IEEE出版社。
[26] Kennedy，J.（2006）。寻找基本粒子群。IEEE计算智能世界大会论文集（第1694-1701页）。纽约：IEEE出版社。
[27] Kennedy，J.和Eberhart，R.C.（1995年）。粒子群优化。《IEEE神经网络国际会议论文集》（第1942-1948页）。纽约：IEEE出版社。
[28] Kennedy，J.和Mendes，R.（2002）。种群结构和粒子群性能。2002年进化计算大会会议记录（第1671-1676页）。纽约：IEEE出版社。
[29] Kittel，C.和Kroemer，H.（1980）。热物理（第二版）。旧金山：W.H.Freeman。
[30] Krohling，R.A.（2004）。高斯群：一种新的粒子群优化算法。《IEEE控制论和智能系统会议论文集》（第372-376页）。纽约：IEEE出版社。
[31] Lane，J.、Engelbrecht，A.和Gain，J.（2008）。具有空间意义邻居的粒子群优化算法。2008年IEEE群体智能研讨会论文集，（第1-8页）。纽约：IEEE出版社·兹比尔1280.90094
[32] Li，X.（2004）。在多峰函数优化的粒子群优化器中使用物种自适应选择邻域最佳。2004年遗传和进化计算会议论文集，（第105-116页）。
[33] Li，X.（2010）。无小生境参数的小生境：使用环形拓扑的粒子群优化。IEEE进化计算汇刊，14（1），150-169·doi:10.1109/TEVC.2009.2026270
[34] Liang，J.J.和Suganthan，P.N.（2005）。动态多温粒子群优化算法（DMS-PSO）。在IEEE群体智能研讨会论文集中，（第124-129页）。纽约：IEEE出版社。
[35] Liang，J.J.、Qin，A.K.、Suganthan，P.N.和Baskar，S.（2006）。用于多峰函数全局优化的综合学习粒子群优化算法。IEEE进化计算汇刊，10（3），281-295·doi:10.1109/TEVC.2005.857610
[36] Lu，Y.，Wang，S.，Li，S.和Zhou，C.（2011）。用于高维数据聚类中可变权重的粒子群优化算法。机器学习1月，82（1），43-70·doi:10.1007/s10994-009-5154-2
[37] Mendes，R.、Kennedy，J.和Neves，J.（2004）。完全知情的粒子群：更简单，也许更好。IEEE进化计算汇刊，8（3），204-210·doi:10.1109/TEVC.2004.826074
[38] Omar，M.A.（1993年）。固体物理学基础：原理与应用。马萨诸塞州雷丁：Addison-Wesley。
[39] Ozcan，E.和Mohan，C.K.（1999）。粒子泳优化：冲浪。1999年IEEE进化计算大会会议记录（第1939-1944页）。纽约：IEEE出版社·Zbl 1184.68621号
[40] Parrott，D.和Li，X.（2006）。使用物种形成的粒子群模型定位和跟踪多个动态最优解。IEEE进化计算汇刊，10（4），440-458·doi:10.1109/TEVC.2005.859468
[41] Pelikan，M.（2012）。概率建模遗传算法。《遗传与进化计算会议论文集》，（第777-8004页）·Zbl 1211.68505号
[42] Poli，R.（2007）。分析有关粒子群优化应用程序的出版物。技术报告CSM-469，英国埃塞克斯大学计算机科学系。
[43] Poli，R.和Langdon，W.B.（2007年）。裸核粒子群优化算法的马尔可夫链模型。《年度遗传和进化计算会议论文集》（第142-149页）。
[44] Poli，R.（2008）。分析有关粒子群优化应用的出版物。《人工进化与应用杂志》，2008，1-10。
[45] Poli，R.（2009）。停滞期间粒子群优化算法的采样分布的平均值和方差。IEEE进化计算汇刊，13（4），712-721·doi:10.1109/TEVC.2008.2011744
[46] Richer，T.J.和Blackwell，T.M.（2006）。利维粒子群。《进化计算国会议事录》（第808-815页）。纽约：IEEE出版社。
[47] Secrest，B.和Lamont，G.（2003年）。可视化粒子群优化——高斯粒子群优化。IEEE群体智能研讨会论文集（第198-204页）。纽约：IEEE出版社。
[48] Shi，Y.和Eberhart，R.C.（1998年a）。一种改进的粒子群优化算法。《IEEE进化计算国际会议论文集》（第69-73页）。纽约：IEEE出版社·Zbl 1156.90463号
[49] Shi，Y.和Eberhart，R.C.（1998年b）。粒子群优化中的参数选择。第七届进化编程会议论文集VII（EP’98），（第591-600页）。柏林：斯普林格。
[50] Shi，Y.和Eberhart，R.C.（1999）。粒子群优化的实证研究。《1999年进化计算大会会议记录》（CEC’99），第3卷，（第1945-1950页）。纽约：IEEE出版社。
[51] Shiryayev，A.N.（1984）。概率。纽约：斯普林格·Zbl 0536.60001号 ·doi:10.1007/9781-4899-0018-0
[52] Solis，F.J.和Wets，R.J.-B.（1981年）。通过随机搜索技术最小化。运筹学数学，6（1），19-30·Zbl 0502.90070 ·doi:10.1287/门.6.1.19
[53] Sra，S.、Nowozin，S.和Wright，S.J.（2011年）。优化机器学习。剑桥：麻省理工学院出版社。
[54] Suganthan，P.N.（1999）。带邻域算子的粒子温暖优化器。在《国会关于进化计算的议事录》（1958-1962页）中。纽约：IEEE出版社。
[55] Suganthan，P.N.、Hansen，N.、Liang，J.J.、Deb，K.、Chen，Y.-P.、Auger，A.和Tiwari，S.（2005）。CEC 2005实际参数优化专题会议的问题定义和评估标准。技术报告，新加坡南洋理工大学，2005年5月；KanGAL报告#2005005，印度坎普尔IIT。
[56] Sun，Q.、Pfahringer，B.和Mayo，M.（2013）。建立一个设计完整模型选择和优化系统的框架。《第11届多分类器系统国际研讨会论文集》（MCS’13），（第259-270页），柏林：施普林格出版社。
[57] Sun，J.、Fang，W.、Wu，X.、Palade，V.和Xu，W.（2012b）。量子粒子群优化：单个粒子行为分析和参数选择。进化计算，20（3），349-393·doi:10.1162/EVCO__00049
[58] Sun，J.、Palade，V.、Cai，Y.、Fang，W.和Wu，X.（2014a）。生物化学系统辨识的随机漂移粒子群优化方法。BMC生物信息学，15（Suppl 6），S1·doi:10.1186/1471-2105-15-S6-S1
[59] Sun，J.、Palade，V.、Wu，X.和Fang，W.（2014b）。随机漂移粒子群优化学习的隐马尔可夫模型多序列比对。IEEE/ACM计算生物学和生物信息学汇刊，11（1），243-257·doi:10.1109/TCBB.2013.148
[60] Sun，J.、Zhao，J.，Wu，X.、Cai，Y.和Xu，W.（2010）。基于漂移粒子群优化方法的混沌系统参数估计。《物理快报A》，374（28），2816-2822·Zbl 1237.34091号 ·doi:10.1016/j.physleta.2010.04.071
[61] Trelea，I.C.（2003）。粒子群优化算法：收敛分析和参数选择。《信息处理快报》，85（6），317-325·兹比尔1156.90463 ·doi:10.1016/S0020-0190（02）00447-7
[62] 范登伯格（2002）。粒子群优化算法分析。南非比勒陀利亚大学博士论文。
[63] van den Bergh，F.和Engelbrecht，A.P.（2004年）。粒子群优化的一种协作方法。IEEE进化计算汇刊，8（3），225-239·doi:10.1109/TEVC.2004.826069
[64] Van den Bergh，F.和Engelbrecht，A.P.（2006）。粒子群优化粒子轨迹的研究。信息科学，176（8），937-971·Zbl 1093.68105号 ·doi:10.1016/j.ins.2005.02.003
[65] Van den Bergh，F.和Engelbrecht，A.P.（2010年）。粒子群优化算法的收敛性证明。《信息基础》，105（4），341-374·Zbl 1211.90320号
[66] Veeramachaneni，K.、Wagner，M.和O'Reilly，U.-M.（2012年）。Frank Neumann：使用粒子群优化优化大型风电场的能源输出和布局成本。《IEEE进化计算大会论文集》（第1-7页）。纽约：IEEE出版社。
[67] Zhang，Y.，Gong，D.，Sun，X.，&Geng，N.（2014）。自适应裸粒子群优化算法及其收敛性分析。《软计算》，18（7），1337-1352·Zbl 1326.68271号 ·doi:10.1007/s00500-013-1147-y
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。