阅读《随机局部搜索扰动的粒子群优化算法》的感想

阅读《随机局部搜索扰动的粒子群优化算法》的感想

ps:发表时间2008年

摘要的阅读

1.对于PSO进行改进，改进的方向是对于gBest粒子的局部寻优进行优化

2.融合的算法是SLS算法

英文摘要和中文摘要在一句话上有不同。

中文“通过典型测试函数的计算表明，该算法在收敛速度和精度上都有不同程度的改善”

英文"Four well-designed problems were used to evaluate the proposed algorithm . Compared with the basic PSO algorithm, the proposed algorithm shows its effectiveness and efficiency"

在使用SLS来优化PSO的步骤就像之前使用其他的DE之类的算法优化一样，都是在

调用算法进行局部优化搜索。

局部随机搜索算法SLS本身就是之前已经学过了的。再次展示如下：

这次对于PSO的取值是：c₁、c₂=2.09，w为0.9-0.4随迭代系数线性减少，P_gbest是0.3（这个参数设置跟之前利用在某个系统的参数设置一模一样），迭代次数30次

这次的测试对象不是系统了，而是四个简单函数

关于这几个函数的介绍：

Rosenbrock函数是一个经典的复杂优化问题函数‚表现为非突的病态特性，常被用来评价优化算法的执行效率；Griewangk函数和SchafferʾｓＦ7函数是标准的多模态函数，大量的局部极值点使得算法难以搜索到函数最优解.

算法性能测试

依然还是一样的，比较最好值、最坏值、平均值，然后分析图像的转折点，稳定点；从而分析算法的执行效率，迭代次数，容不容易搜索到全局最优解，收敛速度。