A novel multi-swarm particle swarm optimization with dynamic learning strategy(一种新颖的具有动态学习策略的多种群粒子群优
Posted buddhamx
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了A novel multi-swarm particle swarm optimization with dynamic learning strategy(一种新颖的具有动态学习策略的多种群粒子群优相关的知识,希望对你有一定的参考价值。
1、核心
- 在每个子种群的粒子被划分为普通粒子(ordinary particles)和交流粒子(communication particles),在每次迭代过程中,不同的粒子执行不同的进化操作。普通粒子用于探索能力(exploitation),交流粒子用于开发能力(exploration)。
- 设置一个动态的逐渐增加的控制参数p,用于实现分类操作,即将粒子分为普通粒子和交流粒子,同时,使普通粒子逐渐进化为交流粒子。
2、相关描述
- 将初始种群(original population)划分为M*N个粒子(M为子种群数量,N为每个子种群的粒子数)。
- 将每个子种群中的最佳粒子(best particle)被当做 lbest. 通过公式(3)来指导每个子种群中的粒子(普通粒子,implemented as a probability 1 − p)的进化。
- 对于每个子种群中的交流粒子,以概率p 通过公式(4)执行粒子的进化。
其中,lbestm表示到目前为止在每个子种群中发现的最佳粒子的位置,m=[1,2,...,M]。
- 图1清楚的解释了提出的具有动态学习策略的多种群粒子群算法的概念。
- 位置更新公式通过公式(2)执行。
3、算法伪代码
以上是关于A novel multi-swarm particle swarm optimization with dynamic learning strategy(一种新颖的具有动态学习策略的多种群粒子群优的主要内容,如果未能解决你的问题,请参考以下文章
论文解读:DTMT: A Novel Deep Transition Architecture for Neural Machine Translation
Paper: A novel method for forecasting time series based on fuzzy logic and visibility graph
论文笔记:BridgeDPI: a novel Graph Neural Network for predicting drug–protein interactions
论文笔记:BridgeDPI: a novel Graph Neural Network for predicting drug–protein interactions
Critique of A Novel Proof-of-Reputation Consensus for Storage Allocation in Edge Blockchain Systems
动作识别新论文:A Novel Scheme for Training Two-Stream CNNs for Action Recognition