Yannis Marinakis;玛格达莱娜·马里纳基;阿萨纳西奥斯·米加拉斯 多群粒子群优化算法中所有参数的自适应调谐：在概率旅行商问题中的应用。 （英语） Zbl 1365.90279号 Migdalas，Athanasios（编辑）等人，《信息时代的优化、控制和应用》。为了纪念帕诺斯·M·帕达洛斯的60岁生日。根据2014年6月15日至20日在希腊查尔基迪基举行的会议上的发言选出的论文。查姆：施普林格（ISBN 978-3-319-18566-8/hbk；978-3-316-18567-5/电子书）。施普林格数学与统计学论文集130187-207（2015）。 摘要：粒子群优化（PSO）算法和每种进化优化算法应用中的主要问题之一是找到合适的算法参数。通常采用试错法，但过去也采用了许多不同的方法。在本章中，我们使用PSO算法的一种新的自适应版本，其中在算法初始化时分配随机值，然后在迭代过程中，参数与问题目标函数的优化同时优化。该思想用于求解概率旅行商问题（PTSP）。该算法在多个基准实例上进行了测试，并与文献中的一些算法进行了比较。关于整个系列，请参见[Zbl 1320.90006号]. 引用于1文件 MSC公司： 90 C59 数学规划中的近似方法和启发式 90立方厘米 涉及图形或网络的编程 关键词：粒子群优化;可变邻域搜索;概率旅行商问题 PDF格式BibTeX公司 XML格式引用 \textit{Y.Marinakis}等人，Springer Proc。数学。Stat.130，187--207（2015；Zbl 1365.90279） 全文： 内政部 链接 参考文献： [1] Bahmani-Firouzi，B。；Farjah，E。；Azizipanah-Abarghooee，R.，考虑负荷和风电不确定性的动态经济排放量调度的高效基于场景的模糊自适应学习粒子群优化方法，《能源》，50，232-244（2013）·doi:10.1016/j.energy.2012.11.017 [2] 巴拉普拉卡什，P。；比拉塔里，M。；Stutzle，T。；袁，Z。；Dorigo，M.，基于估计的蚁群优化和概率旅行商问题的局部搜索，Swarm Intell。，3, 223-242 (2009) ·doi:10.1007/s11721-009-0031-y [3] Bertsimas，D.J.：概率组合优化问题。麻省理工学院博士论文，剑桥（1988） [4] Bianchi，L.：概率旅行商问题的蚁群优化和局部搜索：随机组合优化的案例研究。比利时布鲁塞尔自由大学博士论文（2006年） [5] 布兰克，J。；Guntsch，M.，用蚁群优化求解概率TSP，J.Math。模型。算法，3，4，403-425（2004）·Zbl 1079.90169号 ·doi:10.1023/B:JMMA.0000049380.86987.d4 [6] 陈博士。；赵春霞，具有自适应种群规模的粒子群优化算法及其应用，应用。软计算。，9, 39-48 (2009) ·doi:10.1016/j.asoc.2008.03001 [7] Clerc，M.，《粒子群优化》（2006），伦敦：Wiley-ISTE出版社，伦敦·Zbl 1130.90059号 ·doi:10.1002/9780470612163 [8] Clerc，M。；Kennedy，J.，《粒子群：多维复杂空间中的爆炸、稳定性和收敛》，IEEE Trans。进化。计算。，6, 58-73 (2002) ·doi:10.1109/4235.985692 [9] 库伦，Y。；Clerc，M。；Siarry，P。；Cotta，C.，TRIBES中粒子的初始化和置换，一种无参数粒子群优化算法，自适应和多级元启发式，SCI，199-219（2008），柏林/海德堡：施普林格，柏林/海德堡·doi:10.1007/978-3-540-79438-7_10 [10] 库伦，Y。；Clerc，M。；Siarry，P.，自适应粒子群优化算法TRIBES的性能评估，swarm Intell。，3, 149-178 (2009) ·doi:10.1007/s11721-009-0026-8 [11] Crawford，B.，Soto，R.，Monfroy，E.，Palma，W.，Castro，C.，Paredesm，F.：使用粒子群优化对基于选择函数的超启发式算法进行参数调整。专家系统。申请。40, 1690-1695 [12] 埃斯拉米，M。；Shareef，H。；塔哈，M.R。；Khajehzadeh，M.，UPFC阻尼控制器同时设计的自适应粒子群优化，Electr。电力能源系统。，57, 116-128 (2014) ·doi:10.1016/j.ijepes.2013.11.034 [13] Feo，T.A。；Resende，M.G.C.，贪婪随机自适应搜索程序，J.Global Optim。，6, 109-133 (1995) ·Zbl 0822.90110号 ·doi:10.1007/BF01096763 [14] Glover，F.，Tabu search I，ORSA J.计算。，1, 3, 190-206 (1989) ·Zbl 0753.90054号 ·doi:10.1287/ijoc.1.3.190 [15] Glover，F.，禁忌搜索II，ORSA J.Compute。，2, 1, 4-32 (1990) ·Zbl 0771.90084号 ·doi:10.1287/ijoc.2.1.4 [16] 手套，F。；拉古纳，M。；马蒂，R。；手套，F。；Kochenberger，G.A.，分散搜索和路径重新链接：进展和应用，元启发式手册，1-36（2003），波士顿：Kluwer学术出版社，波士顿·Zbl 1041.90074号 [17] Han，F。；Ling，Q.H.，结合自适应粒子群优化和先验信息的函数逼近新方法，应用。数学。计算。，205792-798（2008年）·Zbl 1157.65323号 ·doi:10.1016/j.amc.2008.05.025 [18] Hansen，P。；Mladenovic，N.，《可变邻域搜索：原理与应用》，Eur.J.Oper。决议，130，449-467（2001）·Zbl 0981.90063号 ·doi:10.1016/S0377-2217（00）00100-4 [19] 哈桑扎德，M。；Meybodi，M.R。；Ebadzadeh，M.M.，自适应合作粒子群优化器，应用。智力。，39, 397-420 (2013) ·doi:10.1007/s10489-012-0420-6 [20] Hashemi，A.B.，Meybodi，M.R.：PSO的自适应参数选择方案：一种学习自动机方法。摘自：第14届国际CSI计算机会议（CSICC’09），IEEE，第403-411页（2009） [21] 哈希米，A.B。；Meybodi，M.R.，PSO中基于学习自动机的自适应参数选择算法的注释，应用。软计算。，11, 689-705 (2011) ·doi:10.1016/j.asoc.2009.12.030 [22] Ismail，A。；Engelbrecht，A.P.，自适应粒子群优化。In:Bui，L.T.等人（编辑）SEAL 2012，计算机科学课堂讲稿，7673，228-237（2012）·doi:10.1007/978-3-642-34859-423 [23] Ismail，A。；Engelbrecht，A.P.，自适应综合学习粒子群优化器。收录：Dorigo，M.等人（编辑）ANTS 2012，计算机科学讲稿，7461，156-167（2012）·数字对象标识代码：10.1007/978-3-642-32650-9_14 [24] Jaillet，P.：概率旅行推销员问题。麻省理工学院博士论文，剑桥（1985） [25] Jaillet，P.，旅行推销员问题的先验解，其中访问了随机的客户子集，Oper。研究，36，6，929-936（1988）·Zbl 0665.90096号 ·doi:10.1287/opre.36.6.929 [26] 姜瑜。；李，X。；Huang，C.，使用基于自适应粒子群优化的主从群洗牌进化算法自动校准水文模型，专家系统。申请。，40, 752-757 (2013) ·doi:10.1016/j.eswa.2012.08.006 [27] 江，B。；Wang，N。；Wang，L.，多模态函数和数据聚类的年龄组拓扑粒子群优化，Commun。非线性科学。数字。模拟。，18, 3134-3145 (2013) ·Zbl 1329.90176号 ·文件编号：10.1016/j.cnsns.2013.03.011 [28] Juang，Y.T。；Tung，S.L。；Chiu，H.C.，用于多模态函数全局优化的自适应模糊粒子群优化，Inform。科学。，181, 4539-4549 (2011) ·Zbl 1242.68288号 ·doi:10.1016/j.ins.2010.11.025 [29] Kennedy，J.，Eberhart，R.：粒子群优化。1995年IEEE神经网络国际会议论文集，第4卷，第1942-1948页（1995） [30] Leu，M.S。；Yeh，M.F.，灰色粒子群优化，应用。软计算。，12, 2985-2996 (2012) ·doi:10.1016/j.asoc.2012.04.030 [31] Leu，M.S。；Yeh，M.F。；Wang，S.C.，带灰色进化分析的粒子群优化，应用。软计算。，12, 4047-4062 (2012) ·doi:10.1016/j.asoc.2012.04.030 [32] Li，X.L。；Li，L.H。；张，B.L。；郭庆杰，基于混合自适应学习的粒子群优化和支持向量回归模型在成绩估计中的应用，神经计算，118179-190（2013）·doi:10.1016/j.neucom.2013.03.002 [33] Lichtblau，D.，《使用Mathematica的离散优化》。收录人：Callaos，N.、Ebisuzaki，T.、Starr，B.、Abe，J.M.、Lichtblau，D.（编辑）《系统学、控制论和信息学世界多会议》（SCI 2002），国际信息学和系统学研究所，16，169-174（2002） [34] Liu，Y.-H.，概率旅行商问题的混合分散搜索，计算。操作人员。研究，34，10，2949-2963（2007）·Zbl 1185.90162号 ·doi:10.1016/j.cor.2005.11.008 [35] Liu，Y.-H.，求解概率旅行商问题的遗传算法中的不同初始解生成器，应用。数学。计算。，216, 125-137 (2010) ·Zbl 1186.65077号 ·doi:10.1016/j.amc.2010.01.021 [36] Lu，H.等人。；Chen，W.，解决约束优化问题的自适应速度粒子群优化，J.Glob。优化。，41, 427-445 (2008) ·Zbl 1152.90670号 ·doi:10.1007/s10898-007-9255-9 [37] Marinakis，Y.，Marinaki，M.：概率旅行推销员问题的混合蜜蜂交配优化算法。摘自：IEEE进化计算大会（CEC 2009），5月18日至21日，特隆赫姆（2009） [38] 马里纳基斯，Y。；Marinaki，M.，概率旅行商问题的混合多温粒子群优化算法，计算。操作人员。研究，37，432-442（2010）·兹比尔1173.90515 ·doi:10.1016/j.cor.2009.03.004 [39] Marinakis，Y。；Marinaki，M.，置换流水车间调度问题的扩展邻域拓扑粒子群优化，软计算。，17, 7, 1159-1173 (2013) ·doi:10.1007/s00500-013-0992-z [40] Marinakis，Y。；米加拉斯，A。；Pardalos，P.M.，《概率旅行商问题的扩展邻域搜索GRASP》，Optim。莱特。，2, 3, 351-361 (2008) ·Zbl 1159.90462号 ·doi:10.1007/s11590-007-0064-3 [41] Marinakis，Y。；Marinaki，M。；Dounias，G.，车辆路径问题的混合粒子群优化算法，工程应用。Artif公司。智力。，23, 463-472 (2010) ·doi:10.1016/j.engappai.2010.02.002 [42] 莫达雷斯，H。；阿尔菲。；Naghibi Sistani，M.B.，基于自适应粒子群优化的双线性系统参数估计，工程应用。Artif公司。智力。，23, 1105-1111 (2010) ·doi:10.1016/j.engappai.2010.05.003 [43] Neshat，M.，FAIPSO:模糊自适应知情粒子群优化，神经计算。申请。，23, 1, 95-116 (2013) ·doi:10.1007/s00521-012-1256-z [44] Nickabadi，A。；埃巴扎德，M.M。；Safabakhsh，R.，一种具有自适应惯性权重的新型粒子群优化算法，应用。软计算。，11, 3658-3670 (2011) ·doi:10.1016/j.asoc.2011.01.037 [45] Niknam，T.，一种新的模糊自适应混合粒子群优化算法，用于非线性、非光滑和非凸经济调度问题，应用。能源，87，327-339（2010）·doi:10.1016/j.开放性.2009.05.016 [46] Niknam，T。；Farsani，E.A.，用于配电馈线重构的混合自适应粒子群优化和改进的混合蛙跳算法，工程应用。Artif公司。智力。，1340-1349年（2010年）·doi:10.1016/j.engappai.2010.02.005 [47] Niknam，T。；Doagou Mojarrad，H.博士。；Nayeripour，M.，《非平稳经济调度的新型模糊自适应粒子群优化算法》，《能源》，351764-1778（2010）·doi:10.1016/j.energy.2009.12.029 [48] Onwubolu，G.C。；Onwubolu，G.C.，TRIBES在流水车间调度问题中的应用，工程中的新优化技术，517-536（2004），柏林/海德堡：施普林格，柏林/海德堡·Zbl 1079.90059号 ·doi:10.1007/978-3-540-39930-8_21 [49] 鲍威尔，W.B。；贾利特，P。；奥多尼，A。；Ball，M.O。；Magnanti，T.L。；妈妈，C.L。；Nemhauser，G.L.，《随机和动态网络与路由》，《网络路由》，运筹学和管理科学手册，141-295（1995），阿姆斯特丹：Elsevier Science B.V，阿姆斯特朗·Zbl 0870.90059号 [50] Ratnaweera，A。；Halgamuge，S.K。；Watson，H.C.，具有时变加速系数的自组织分层粒子群优化算法，IEEE Trans。进化。计算。，8, 3, 240-255 (2004) ·doi:10.1109/TEVC.2004.826071 [51] Senthil Arumugam，M。；Rao，M.V.C.，关于具有自适应参数、交叉算子和均方根（RMS）变量的粒子群优化算法在计算一类混合系统最优控制时的改进性能，应用。软计算。，8, 324-336 (2008) ·doi:10.1016/j.asoc.2007.01.010 [52] Song，Y.D。；张，L。；Han，P.，自适应三粒子群优化。收录：Tan，Y.等人（编辑）ICSI 2011，第一部分，计算机科学课堂讲稿，6728，86-92（2011）·doi:10.1007/978-3642-21515-5_11 [53] 特里帕蒂，P.K。；Bandyopadhyay，S。；Pal，S.K.，具有时变惯性和加速度系数的多目标粒子群优化，Inf.Sci。，177, 5033-5049 (2007) ·Zbl 1121.90130号 ·doi:10.1016/j.ins.2007.06.018 [54] Wang，J.，带自适应参数控制和反对的粒子群优化，J.Compute。信息系统。，7, 12, 4463-4470 (2011) [55] Wang，Y。；李，B。；Weise，T.等人。；Wang，J。；袁，B。；田强，基于自适应学习的粒子群优化算法，信息科学。，181, 4515-4538 (2011) ·兹比尔1242.68297 ·doi:10.1016/j.ins.2010.07.013 [56] Wang，J。；Lu，H.等人。；Dong，Y。；Chi，D.，基于自适应粒子群优化算法结合季节项的混沌序列模型，应用。数学。型号。，36, 1184-1196 (2012) ·Zbl 1243.90258号 ·doi:10.1016/j.apm.2011.07.089 [57] Wang，Y。；周，J。；周，C。；Wang，Y。；秦，H。；Lu，Y.，一种用于短期热液调度的改进自适应PSO技术，专家系统。申请。，39, 2288-2295 (2012) ·doi:10.1016/j.eswa.2011.08.007 [58] Xu，G.，粒子群优化算法的自适应参数调整，应用。数学。计算。，219, 4560-4569 (2013) ·Zbl 1401.90277号 ·doi:10.1016/j.amc.2012.10.067 [59] 詹振华。；张杰。；李毅。；Chung，H.S.H.，自适应粒子群优化，IEEE Trans。系统。人类网络。B网络。，39, 6, 1362-1381 (2009) ·doi:10.1109/TSMCB.2009.2015956 [60] 张杰。；丁晓霞，一种多温自适应协同粒子群优化算法，工程应用。Artif公司。智力。，24, 958-967 (2011) ·doi:10.1016/j.engappai.2011.05.010 [61] 张，W。；Liu，Y.，电力系统无功和电压控制的自适应粒子群优化。作者：Wang，L.，Chen，K.，Ong，Y.S.（编辑）ICNC 2005，计算机科学讲稿，3612，449-452（2005）·doi:10.1007/11539902_54 [62] 张，L。；梅，T。；刘，Y。；陶，D。；周海清，基于自适应粒子群优化的视觉搜索重分类，模式识别。，44, 1811-1820 (2011) ·doi:10.1016/j.patcog.2011.01.016 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。