×
童欣。;崔国培;黎子良;Wong，翁记

改进粒子群优化方法的稳定性界和几乎必然收敛性。 （英语） Zbl 1469.90145号

Res.数学。科学。 8，第2号，第30号文件，第16页（2021）.
摘要：粒子群优化（PSO）是自然启发元启发式算法的一员。其公式简单，不需要计算导数。它及其许多变体已应用于多个学科的许多不同类型的优化问题。已经有很多人尝试研究粒子群优化算法的收敛特性，但仍然缺乏一个严格和完整的证据来证明其几乎肯定会收敛到全局最优解。我们提出了两种改进的粒子群优化算法，并证明了其收敛于全局最优解。我们进行模拟研究，以进一步了解其特性，并评估其相对于粒子群优化算法的性能。

MSC公司：

90立方 非线性规划
90 C59 数学规划中的近似方法和启发式

关键词：

收敛到全局最优的元启发式算法

软件：

github;类鸟群
PDF格式BibTeX公司 XML格式引用
\textit{X.T.Tong}等人，研究数学。科学。8，第2号，第30号文件，第16页（2021；兹bl 1469.90145）
全文： 内政部

参考文献：

[1] 博伊德，S。；Vandenberghe，L.，凸优化（2004），剑桥：剑桥大学出版社，剑桥·Zbl 1058.90049号 ·doi:10.1017/CBO9780511804441
[2] Bratton，D.，Kennedy，J.：定义粒子群优化的标准。2007年IEEE Swarm Intelligence研讨会，第120-127页。IEEE（2007）
[3] 陈，X。；Li，Y.，一种改进的粒子群优化结构，在保证收敛的情况下具有较高的搜索能力，IEEE Trans。系统。人类网络。B网络。，37, 5, 1271-1289 (2007) ·doi:10.1109/TSMCB.2007.897922
[4] 陈，X。；杜，SS；Tong，XT，关于随机梯度Langevin动力学的平稳点击中时间和遍历性，J.Mach。学习。第21、68、1-41号决议（2020年）·Zbl 1502.60125号
[5] Choi，K.P.，Lai，T.L.，Tong，X.T.，Wong，W.K.：剂量发现试验的自然优化和最优序列设计中自适应参数调整的统计方法。统计正弦。11（4），（2021）。doi:10.5705/ss.202020.0412·Zbl 1524.62524号
[6] Clerc，M。；Kennedy，J.，《多维复杂空间中的粒子群爆炸、稳定性和收敛》，IEEE Trans。进化。计算。，6, 58-72 (2002) ·doi:10.1109/4235.985692
[7] Eberhart，R.C.，Shi，Y.：比较粒子群优化中的惯性权重和收缩因子。摘自：IEEE进化计算大会会议记录，第84-88页。IEEE（2000）
[8] 海尔，M。；马丁利，JC，具有退化随机强迫的二维Navier-Stokes方程的遍历性，Ann.Math。，164, 993-1032 (2006) ·Zbl 1130.37038号 ·doi:10.4007/annals.2006.164.993
[9] 海尔，M。；马丁利，JC；Scheutzow，M.，渐近耦合和Harris定理的一般形式及其在随机延迟方程中的应用，Probab。理论关联。菲尔德，149，1-2，223-259（2011）·Zbl 1238.60082号 ·doi:10.1007/s00440-009-0250-6
[10] Kam，E.H.H.：粒子群优化及其增强和变体：一项比较研究。https://github.com/EnzioKam/spso_paper/tree/master (2020). 2020年4月1日访问
[11] Kennedy，J.，Eberhart，R.：粒子群优化（PSO）。摘自：IEEE神经网络国际会议论文集，澳大利亚珀斯，第1942-1948页（1995）
[12] 基弗，JC；Wolfowitz，J.，回归函数最大值的随机估计，Ann.Math。统计，23，3，462-466（1952）·Zbl 0049.36601号 ·doi:10.1214/aoms/1177729392
[13] 库什纳，H。；Yin，G.，《随机逼近和递归算法及应用》（2003），纽约：Springer，纽约·Zbl 1026.62084号
[14] AJ Majda；Tong，XT，热带随机晶格模型应用的分段收缩过程的几何遍历性，Commun。纯应用程序。数学。，69, 6, 1110-1153 (2014) ·Zbl 1346.86005号 ·doi:10.1002/cpa.21584
[15] AJ Majda；Tong，XT，具有确定性强迫和弥散的截断随机Navier-Stokes遍历性，J.非线性科学。，26, 5, 1483-1506 (2016) ·Zbl 1349.76099号 ·doi:10.1007/s00332-016-9310-0
[16] 梅恩，S。；Tweedie，R.，《马尔可夫链与随机稳定性》（1993），柏林：施普林格出版社，柏林·Zbl 0925.60001号 ·doi:10.1007/978-1-4471-3267-7
[17] Reynolds，C.W.：群体、畜群和学校：分布式行为模型。摘自：《第十四届计算机图形与交互技术年会论文集》，第25-34页（1987年）
[18] 罗宾斯，H。；Monro，S.，《随机近似方法》，《数学年鉴》。《统计》，22，3，400-407（1951）·Zbl 0054.05901号 ·doi:10.1214/aoms/1177729586
[19] 沙列夫·施瓦茨，S。；Ben-David，S.，《理解机器学习：从理论到算法》（2014），剑桥：剑桥大学出版社，剑桥·Zbl 1305.68005号 ·doi:10.1017/CBO9781107298019
[20] XT动力钳；AJ Majda；Kelly，D.，基于集合的卡尔曼滤波器的非线性稳定性和遍历性，非线性，29657-691（2016）·Zbl 1334.60060号 ·doi:10.1088/0951-7715/29/2/657
[21] XT动力钳；AJ Majda；Kelly，D.，具有自适应协方差膨胀的集合卡尔曼滤波器的非线性稳定性，Commun。数学。科学。，14, 5, 1283-1313 (2016) ·Zbl 1370.37009号 ·doi:10.4310/CMS.2016.v14.n5.a5
[22] Trelea，IC，《粒子群优化算法：收敛分析和参数选择》，《信息处理》。莱特。，85, 6, 317-325 (2003) ·Zbl 1156.90463号 ·doi:10.1016/S0020-0190（02）00447-7
[23] Whitacre，JM，《最新趋势表明自然激励优化在学术界和工业界的快速发展》，《计算》，93，2-4，121-133（2011）·Zbl 1293.90086号 ·doi:10.1007/s00607-011-0154-z
[24] 袁，Q。；Yin，G.，使用随机近似方法分析粒子群优化算法的收敛性和收敛速度，IEEE Trans。自动。对照，601760-1773（2015）·Zbl 1360.90312号 ·doi:10.1109/TAC.2014.2381454
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。