基于三重竞争机制的PSO算法(CSO)

TCSO算法来源

论文标题:A modified competitive swarm optimizer for large scale optimization problems

作者:Prabhujit Mohapatra , Kedar Nath Das, Santanu Roy Department of Mathematics, National Institute of Technology Silchar, Silchar, Assam, India

期刊:Applied Soft Computing 30 May 2017

TCSO算法思想

①假设在D维搜索空间中,群体规模为N,群体中每个粒子i(1≤i≤N)有如下两个属性

  • 位置(p_i ) ⃗(t)=(p_i1,p_i1,…,p_id, …,p_iD)
  • 飞行速度(v_i ) ⃗(t)=(v_i1,v_i1,…,v_id, …, v_iD)

②接下来,在迭代过程中,首先计算每个粒子的适应度的值(错误率)

③迭代时,使用有别于简单单目标CSO竞争选择机制:随机选取3个粒子进行竞争选择,胜者直接进入子代,两个败者学习胜者、更新后进入子代。

流程图

Step1:初始化(Initialization)

Step2:竞争选择(Tri-competition)

Step3:粒子升级(Upgradation)

TCSO算法伪代码

TCSO算法分析

三重竞争机制的单目标CSO继承了双重竞争机制单目标CSO的优点。(如防止PSO陷入局部最优等方面)

在三重竞争机制的单目标CSO中,每一次迭代中2/3的粒子需要更新,这使得收敛的速度加快了,并且向更优的解发展。

在三重竞争机制的单目标CSO中,每一次迭代中1/3的粒子直接进入下一代, 2/3的粒子学习胜者,这样使提高了粒子的多样性。

在时间效率上和双重CSO一样是O(mn)。

一条评论

留下评论

您的电子邮箱地址不会被公开。 必填项已用*标注