读写结合
金盟减肥⼀ PSO(粒⼦优化算法)
论⽂从PSO改进⽽来。
粒⼦包含⼀组粒⼦,每个粒⼦在⼀维搜索空间中具有位置和速度,代表要解决的优化问题的候选解。为了定位全局最优值,每个粒⼦的速度和位置使⽤以下等式迭代更新: 萧伯纳Pbest(t)个体最优解;gbest(t)全局最优解。
缺点:因Pbest(t),gbest(t)导致过早收敛。
⼆ CSO(竞争粒⼦优化算法)
使⽤gbest(t),粒⼦的更新是由来⾃两个的粒⼦之间的成对竞争机制驱动的。每次⽐赛后,失败者将根据胜利者体的信息进⾏更新,⽽胜利者将使⽤变异策略进⾏更新。
Xk(t)为全局平均位置;微米光
结果:CSO在⼤规模优化问题上表现惊⼈,优于许多为⼤规模优化定制的最新元启发式算法,对更⾼维的问题也能产⽣很好的效果。
三 CSO-n(竞争粒⼦优化算法领域控制的影响)
与CSO不同的是Xk(t)为局部平均位置;
复杂网络优点:邻居控制增强体多样性以及搜索性能,这意味着,对于CSO只需要很少的粒⼦数就可以产⽣很多组合,计算复杂度降低,仅为
O(mn),m种⼤⼩,n代数。