導航:首頁 > 源碼編譯 > pso演算法優化參數
pso演算法優化參數
發布時間：2025-01-20 13:17:35❶ 粒子群優化的演算法參數
PSO參數包括：群體規模m，慣性權重w，加速常數c1和c2，最大速度Vmax，最大代數Gmax，解空間[Xmin Xmax]。
Vmax決定在當前位置與最好位置之間的區域的解析度（或精度）。如果Vmax太高，微粒可能會飛過好解，如果Vmax太小，微粒不能進行足夠的探索，導致陷入局部優值。該限制有三個目的：防止計算溢出；實現人工學習和態度轉變；決定問題空間搜索的粒度。
慣性權重w使微粒保持運動的慣性，使其有擴展搜索空間的趨勢，有能力探索新的區域。
加速常數c1和c2代表將每個微粒推向pbest和gbest位置的統計加速項的權重。低的值允許微粒在被拉回來之前可以在目標區域外徘徊，而高的值導致微粒突然的沖向或者越過目標區域。
如果沒有後兩部分，即c1 = c2 = 0，微粒將一直以當前的速度飛行，直到到達邊界。由於它只能搜索有限的區域，將很難找到好的解。
如果沒有第一部分，即w = 0，則速度只取決於微粒當前的位置和它們歷史最好位置pbest和gbest，速度本身沒有記憶性。假設一個微粒位於全局最好位置，它將保持靜止。而其它微粒則飛向它本身最好位置pbest和全局最好位置gbest的加權中心。在這種條件下，微粒群將統計的收縮到當前的全局最好位置，更象一個局部演算法。
在加上第一部分後，微粒有擴展搜索空間的趨勢，即第一部分有全局搜索的能力。這也使得w的作用為針對不同的搜索問題，調整演算法全局和局部搜索能力的平衡。
如果沒有第二部分，即c1 = 0，則微粒沒有認知能力，也就是「只有社會(social-only)」的模型。在微粒的相互作用下，有能力到達新的搜索空間。它的收斂速度比標准版本更快，但是對復雜問題，比標准版本更容易陷入局部優值點。
如果沒有第三部分，即c2 = 0，則微粒之間沒有社會信息共享，也就是「只有認知(cognition-only)」的模型。因為個體間沒有交互，一個規模為m的群體等價於m個單個微粒的運行。因而得到解的幾率非常小。
與pso演算法優化參數相關的資料
- 編程之美15種演算法
- 算數游戲源碼
- 易語言取相似顏色源碼
- qt搭建msvc編譯器環境
- 可以進行c語言編譯的文件名
- 教育官網源碼
- 遮擋對tof演算法的影響
- 哪一種調度演算法比較好
- 關於進口關稅和增值稅的演算法
- 仿大眾點評系統源碼python
- 淘客優惠券網站源碼
- django開發的網站源碼
- 資料庫管理項目源碼
- 最新駱駝源碼app下載
- 客戶管理系統破解源碼
- c需要用什麼編譯器
- vt編輯編制編譯
- rv1109固件編譯不通過
- 編譯原理什麼是活躍信息
- node編譯代碼很慢
- 兩位數互補演算法
- c語言中的排序演算法
- vc6的編譯框
- myeclipse編譯文件
- 小程序仿今日頭條源碼
- 框架源碼研讀
- 沖程演算法
- 雞料與雞糞的演算法
- iot編譯器異常
- 排序演算法c和a
- 反編譯自己製作的軟體
- 威綸通反編譯密碼是多少
- 螺旋箍筋的演算法
- 實戰演算法視頻教程全集
- 源碼前面帶符號
- 文章質量核心演算法
- 通達信主力生命指標源碼
- 7夕表白網頁源碼
- 股票軟體的k線的源碼
- 主力操盤源碼設置
- keil看代碼編譯出來幾行匯編
- javanewfile編譯後找不到文件