PSO变种策略——解决大规模问题:(1)CSO

读写结合

PSO变种策略——解决⼤规模问题：（1）CSO

⼀种⽤于⼤规模优化的竞争粒⼦优化算法水陆两栖车

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。

本文发布于:2024-09-22 20:26:24，感谢您对本站的认可！

标签：优化位置群体规模搜索控制解决问题

留言与评论（共有 0 条评论）