导航:首页 > 源码编译 > pso算法优化参数
pso算法优化参数
发布时间：2025-01-20 13:17:35❶ 粒子群优化的算法参数
PSO参数包括：群体规模m，惯性权重w，加速常数c1和c2，最大速度Vmax，最大代数Gmax，解空间[Xmin Xmax]。
Vmax决定在当前位置与最好位置之间的区域的分辨率（或精度）。如果Vmax太高，微粒可能会飞过好解，如果Vmax太小，微粒不能进行足够的探索，导致陷入局部优值。该限制有三个目的：防止计算溢出；实现人工学习和态度转变；决定问题空间搜索的粒度。
惯性权重w使微粒保持运动的惯性，使其有扩展搜索空间的趋势，有能力探索新的区域。
加速常数c1和c2代表将每个微粒推向pbest和gbest位置的统计加速项的权重。低的值允许微粒在被拉回来之前可以在目标区域外徘徊，而高的值导致微粒突然的冲向或者越过目标区域。
如果没有后两部分，即c1 = c2 = 0，微粒将一直以当前的速度飞行，直到到达边界。由于它只能搜索有限的区域，将很难找到好的解。
如果没有第一部分，即w = 0，则速度只取决于微粒当前的位置和它们历史最好位置pbest和gbest，速度本身没有记忆性。假设一个微粒位于全局最好位置，它将保持静止。而其它微粒则飞向它本身最好位置pbest和全局最好位置gbest的加权中心。在这种条件下，微粒群将统计的收缩到当前的全局最好位置，更象一个局部算法。
在加上第一部分后，微粒有扩展搜索空间的趋势，即第一部分有全局搜索的能力。这也使得w的作用为针对不同的搜索问题，调整算法全局和局部搜索能力的平衡。
如果没有第二部分，即c1 = 0，则微粒没有认知能力，也就是“只有社会(social-only)”的模型。在微粒的相互作用下，有能力到达新的搜索空间。它的收敛速度比标准版本更快，但是对复杂问题，比标准版本更容易陷入局部优值点。
如果没有第三部分，即c2 = 0，则微粒之间没有社会信息共享，也就是“只有认知(cognition-only)”的模型。因为个体间没有交互，一个规模为m的群体等价于m个单个微粒的运行。因而得到解的几率非常小。
与pso算法优化参数相关的资料
- 协同演化算法及其在数据挖掘中的应用
- pso算法优化参数
- 用银行家算法拒绝死锁的例题
- 洗盘选股指标源码
- 自动学习机源码
- 速卖通指标源码
- 编译过程和解释过程的图表形式
- 三菱plc处于无法编译的状态
- oracle修改视图编译错误
- QT5静态编译工程
- 编译阶段形成逻辑地址
- C51编译器在标准C的基础上
- c编译器是系统软件吗
- 在线编译器为什么刷新还在
- 如何撰写论文摘要以及编译sci
- 中达优控触摸屏编译失败
- 如何更改编译器的背景
- 二维数组递归解决算法问题
- cyk算法实现
- 横盘震荡选股公式源码
- 通达信源码怎样放到桌面
- 贷款申请系统源码
- weka聚类算法
- 好看发卡网源码
- 水平集算法matlab
- 安卓源码硬件驱动
- java算法和数据结构
- hbm源码
- 源码微信小程序搭建
- 捉妖股选股公式源码
- 数据分析系统源码
- 直上指标源码
- 电脑尝试反编译
- 可以在网站写代码的编译器
- 武汉编译ipfs云存储器
- 二年级加减法验算法则
- dex编译line2
- c语言中编译与运行是什么意思
- 实现git仓库自动化编译
- 北京交大编译原理
- mac系统本身编译器
- clion怎么使用终端编译