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
- 排課走班源碼
- 海淘小程序源碼
- 易語言標題源碼
- 演算法驅動的成長史
- 中興捧月演算法大賽第二場
- 最強大逃頂通達信指標源碼
- 主力排序選股源碼
- 股票成本均線指標源碼
- 增量調制編解碼驗證實驗報告
- gcc編譯器是幹啥的
- intouch正在編譯無法打開
- 什麼編譯器適合做網頁
- 嵌入式能編譯文件的許可權
- gcco的編譯格式
- 編譯器保留數字
- 紅與黑中央編譯
- 什麼叫源碼編譯器
- 中央編譯局比較政治學
- 載入演算法模版失敗怎麼回事
- 蓋世汽車招聘新聞編譯
- 半監督fcm的演算法源碼
- 在線電子表格源碼
- 客服系統源碼教程
- js手游源碼
- 令牌桶演算法實現
- 滅火是由近及源碼
- 如何修改通達信主圖指標源碼
- 自然態圖編譯原理
- 假期和工資演算法
- 燕窩溯源碼真假
- 整棟樓過戶演算法
- python編譯器免費
- 杜比視界是演算法嗎
- 數學列式演算法有哪些
- 六大演算法之三動態規劃csdn
- scrm源碼下載
- 印尼孕婦溯源碼燕窩的價錢
- vb背單詞軟體源碼
- 主力資金源碼分析
- 斜率判斷漲勢主圖源碼
- 換手率幅圖指標源碼
- 主圖源碼怎麼買