導航:首頁 > 源碼編譯 > pso演算法優化參數
pso演算法優化參數
發布時間：2025-01-20 13:17:35❶ 粒子群優化的演算法參數
PSO參數包括：群體規模m，慣性權重w，加速常數c1和c2，最大速度Vmax，最大代數Gmax，解空間[Xmin Xmax]。
Vmax決定在當前位置與最好位置之間的區域的解析度（或精度）。如果Vmax太高，微粒可能會飛過好解，如果Vmax太小，微粒不能進行足夠的探索，導致陷入局部優值。該限制有三個目的：防止計算溢出；實現人工學習和態度轉變；決定問題空間搜索的粒度。
慣性權重w使微粒保持運動的慣性，使其有擴展搜索空間的趨勢，有能力探索新的區域。
加速常數c1和c2代表將每個微粒推向pbest和gbest位置的統計加速項的權重。低的值允許微粒在被拉回來之前可以在目標區域外徘徊，而高的值導致微粒突然的沖向或者越過目標區域。
如果沒有後兩部分，即c1 = c2 = 0，微粒將一直以當前的速度飛行，直到到達邊界。由於它只能搜索有限的區域，將很難找到好的解。
如果沒有第一部分，即w = 0，則速度只取決於微粒當前的位置和它們歷史最好位置pbest和gbest，速度本身沒有記憶性。假設一個微粒位於全局最好位置，它將保持靜止。而其它微粒則飛向它本身最好位置pbest和全局最好位置gbest的加權中心。在這種條件下，微粒群將統計的收縮到當前的全局最好位置，更象一個局部演算法。
在加上第一部分後，微粒有擴展搜索空間的趨勢，即第一部分有全局搜索的能力。這也使得w的作用為針對不同的搜索問題，調整演算法全局和局部搜索能力的平衡。
如果沒有第二部分，即c1 = 0，則微粒沒有認知能力，也就是「只有社會(social-only)」的模型。在微粒的相互作用下，有能力到達新的搜索空間。它的收斂速度比標准版本更快，但是對復雜問題，比標准版本更容易陷入局部優值點。
如果沒有第三部分，即c2 = 0，則微粒之間沒有社會信息共享，也就是「只有認知(cognition-only)」的模型。因為個體間沒有交互，一個規模為m的群體等價於m個單個微粒的運行。因而得到解的幾率非常小。
與pso演算法優化參數相關的資料
- 協同演化演算法及其在數據挖掘中的應用
- pso演算法優化參數
- 用銀行家演算法拒絕死鎖的例題
- 洗盤選股指標源碼
- 自動學習機源碼
- 速賣通指標源碼
- 編譯過程和解釋過程的圖表形式
- 三菱plc處於無法編譯的狀態
- oracle修改視圖編譯錯誤
- QT5靜態編譯工程
- 編譯階段形成邏輯地址
- C51編譯器在標准C的基礎上
- c編譯器是系統軟體嗎
- 在線編譯器為什麼刷新還在
- 如何撰寫論文摘要以及編譯sci
- 中達優控觸摸屏編譯失敗
- 如何更改編譯器的背景
- 二維數組遞歸解決演算法問題
- cyk演算法實現
- 橫盤震盪選股公式源碼
- 通達信源碼怎樣放到桌面
- 貸款申請系統源碼
- weka聚類演算法
- 好看發卡網源碼
- 水平集演算法matlab
- 安卓源碼硬體驅動
- java演算法和數據結構
- hbm源碼
- 源碼微信小程序搭建
- 捉妖股選股公式源碼
- 數據分析系統源碼
- 直上指標源碼
- 電腦嘗試反編譯
- 可以在網站寫代碼的編譯器
- 武漢編譯ipfs雲存儲器
- 二年級加減法驗演算法則
- dex編譯line2
- c語言中編譯與運行是什麼意思
- 實現git倉庫自動化編譯
- 北京交大編譯原理
- mac系統本身編譯器
- clion怎麼使用終端編譯