2S-PSO: A dual state particle swarm optimizer

2S-PSO: A dual state particle swarm ...

University of Louisville

2007

Pdf دانلود پایان نامه در فرمت

1.71 Mb

نویسنده: Hardin, Charles Timothy.

دانشگاه: University of Louisville

: 0

دریافت

: 1.71 MB

اندازه

: 2007

سال

: Pdf

فرمت

: انگلیسی

زبان

: 87

صفحه

2S-PSO: حالت دو ازدحام ذرات بهینه ساز

:عنوان

Abstract: Particle Swarm Optimization (PSO) is one of many biologically-based algorithms that can be applied to the domain of combinatorial optimization. PSO is loosely based on the flocking behavior of birds in search of a roost. \"Particles\" are placed randomly in the solution space and allowed to explore the space before finally converging upon a solution. Being a heuristic algorithm, PSO can have the undesired effect of convergence upon a local, rather than a global, optimum. Various incarnations of PSO have been proposed to either encourage broad search of the solutions space (exploration) or hasten convergence on a solution (exploitation). However, generally, once a swarm has converged on a solution, whether optimal or not, all possibility of further exploitation ceases. Thus, the swarm must be reinitialized and allowed to begin a new search for a different and possibly better solution. Rather than re-initializing the swarm many times, this dissertation proposes a method that separates swarm members into two behaviors: \"Hunters\" and \"Gatherers\". The job of the Hunters is to explore the solution space in search of better solutions, and the Gatherers exploit the potential solutions found by the Hunters. The allocation of particles to Hunter or Gatherer behavior is dynamically controlled based upon the success of the entire swarm. The allocation of Hunters and Gatherers is implemented as a control layer on top of the familiar PSO so that existing PSO users can comprehend the performance aspects of the new swarm. The new meta-swarm, offers higher degrees of exploration of complex solution spaces, but sacrifices some exploitation efficiency of simple solution spaces. A test bed was developed for experimentation with multiple versions of PSO using a test suite of benchmark functions. Experimentation demonstrated that in most cases 2S-PSO performance was superior.

Keywords: Applied sciences, Heuristic optimization, Particle swarm optimizer, Evolutionary algorithms

Subjects: Computer science,

ترجمه چکیده :بهینه سازی ازدحام ذرات (PSO) یکی از بسیاری از الگوریتم های مبتنی بر بیولوژیکی است که می تواند به حوزه بهینه سازی ترکیبی استفاده شود. PSO است که آزادانه در رفتار هجوم آوردند از پرندگان در جستجوی یک شب بسر بردن است. \ "ذرات \" به صورت تصادفی در فضای راه حل قرار داده شده و مجاز به کشف فضا در نهایت قبل از همگرا بر یک راه حل. یک الگوریتم ابتکاری، PSO می تواند اثر نامطلوب بر همگرایی محلی به جای یک جهانی، بهینه داشته باشند. برداشت های مختلف از PSO ارائه شده است به یکی از دو تشویق جستجوی گسترده ای از فضای راه حل (اکتشاف) و یا تسریع همگرایی در یک راه حل (استثمار). با این حال، به طور کلی، یک بار گروهی است در یک راه حل همگرا، که آیا مطلوب یا نه، همه امکان بهره برداری بیشتر متوقف می شود. بنابراین، باید از نو مقداردهی ازدحام و اجازه برای شروع یک جستجوی جدید برای یک راه حل متفاوت و احتمالا بهتر است. به جای دوباره مقدار دهی اولیه ازدحام چند بار این پایان نامه به یک روش است که اعضای گروهی به دو رفتار جدا پیشنهاد: \ "شکارچیان \" و \ "جمع \". این کار از شکارچیان است برای کشف فضای راه حل در جستجوی راه حل های بهتر، و جمع بهره برداری از راه حل های بالقوه پیدا شده است توسط شکارچیان. تخصیص ذرات به شکارچی و یا رفتار جمع است به صورت پویا کنترل شده بر اساس موفقیت کل ازدحام. تخصیص شکارچیان و جمع به عنوان یک لایه کنترل در بالای آشنا PSO به طوری که کاربران PSO موجود می تواند جنبه های عملکرد از ازدحام جدید درک اجرا شده است. جدید متا ازدحام، ارائه می دهد درجه بالاتر از اکتشاف فضاهای راه حل های پیچیده، اما قربانی برخی بهره وری بهره برداری از فضاهای راه حل ساده است. یک بستر آزمایشی برای آزمایش با نسخه های متعدد از PSO با استفاده از یک مجموعه تست از توابع معیار توسعه داده شد. آزمایش نشان داد که در اکثر موارد عملکرد 2S-PSO برتر بود. (این متن توسط ماشین ترجمه شده است لذا ممکن است نیاز به ویرایش داشته باشد)

جستجوی موضوعی

آخرین پایان نامه ها