論文の概要: Coefficients' Settings in Particle Swarm Optimization: Insight and
Guidelines
- arxiv url: http://arxiv.org/abs/2101.11944v1
- Date: Thu, 28 Jan 2021 11:49:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-13 11:49:36.901432
- Title: Coefficients' Settings in Particle Swarm Optimization: Insight and
Guidelines
- Title（参考訳）: 粒子群最適化における係数の設定:洞察とガイドライン
- Authors: Mauro S. Innocente, Johann Sienz
- Abstract要約: Particle Swam Optimizationは、人口ベースで勾配のない最適化手法である。
3つの要因が粒子の軌道を制御している: 1) 以前の変位からの慣性、2) 最良の経験へのアトラクション、3) 与えられた隣人の最高の経験へのアトラクション。
粒子の引力への収束の速度と形式は、係数の異なる設定のために行われる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Particle Swam Optimization is a population-based and gradient-free
optimization method developed by mimicking social behaviour observed in nature.
Its ability to optimize is not specifically implemented but emerges in the
global level from local interactions. In its canonical version, there are three
factors that govern a particle's trajectory: 1) inertia from its previous
displacement; 2) attraction to its best experience; and 3) attraction to a
given neighbour's best experience. The importance given to each of these
factors is regulated by three coefficients: 1) the inertia; 2) the
individuality; and 3) the sociality weights. Their settings rule the trajectory
of the particle when pulled by these two attractors. Different speeds and forms
of convergence of a particle towards its attractor(s) take place for different
settings of the coefficients. A more general formulation is presented aiming
for a better control of the embedded randomness. Guidelines to select the
coefficients' settings to obtain the desired behaviour are offered. The
convergence speed of the algorithm also depends on the speed of spread of
information within the swarm. The latter is governed by the structure of the
neighbourhood, whose study is beyond the scope of this paper. The objective
here is to help understand the core of the PSO paradigm from the bottom up by
offering some insight into the form of the particles' trajectories, and to
provide some guidelines as to how to decide upon the settings of the
coefficients in the particles' velocity update equation in the proposed
formulation to obtain the type of behaviour desired for the problem at hand.
General-purpose settings are also suggested. The relationship between the
proposed formulation and both the classical and constricted PSO formulations
are also provided.
- Abstract（参考訳）: 粒子群最適化(Particle Swam Optimization)は、自然界で観察された社会行動の模倣によって開発された人口ベースで勾配のない最適化手法である。
最適化の能力は特に実装されていないが、局所的な相互作用からグローバルレベルで現れる。
標準的なバージョンでは、粒子の軌道を支配する3つの要因がある。
1) 前の変位からの慣性
2) 最高の経験に惹かれること,及び
3)隣人の最高の体験への魅力。
これらの因子のそれぞれに与えられる重要性は、3つの係数によって制御される。
1) 慣性
2) 個人性,及び
3)社会性の重み。
彼らの設定は、これら2つのアトラクタに引っ張られた時の粒子の軌道を決定する。
異なる速度と粒子のアトラクタへの収束形態は、係数の異なる設定のために行われる。
組込みランダム性のより良い制御を目的とした、より一般的な定式化が提示される。
望ましい行動を得るために係数の設定を選択するガイドラインが提供される。
アルゴリズムの収束速度は、Swarm内の情報の拡散速度にも依存する。
後者は、研究が本論文の範囲を超えている近所の構造によって管理されている。
ここでの目標は、粒子の軌跡の形式に関する洞察を提供することにより、psoパラダイムのコアをボトムアップから理解することであり、提案する定式化において粒子の速度更新方程式における係数の設定をどのように決定するかを、手元の問題に望ましい振る舞いの種類を得るためのガイドラインを提供することである。
汎用設定も提案されている。
提案された定式化と古典的および制限的PSO定式化の関係も提供される。
関連論文リスト
- Understanding Optimization in Deep Learning with Central Flows [53.66160508990508]
RMSの暗黙的な振る舞いは、微分方程式の「中央流:」によって明示的に捉えられることを示す。
これらのフローは、汎用ニューラルネットワークの長期最適化軌道を経験的に予測できることを示す。
論文 参考訳（メタデータ） (2024-10-31T17:58:13Z) - Theoretical Guarantees for Variational Inference with Fixed-Variance Mixture of Gaussians [27.20127082606962]
変分推論(VI)はベイズ推定において一般的なアプローチである。
この研究は、非ガウスの場合のVIの理論研究に寄与することを目的としている。
論文 参考訳（メタデータ） (2024-06-06T12:38:59Z) - Krotov Type Optimization of Coherent and Incoherent Controls for Open
Two-Qubit Systems [77.34726150561087]
この研究は、コヒーレントかつ非コヒーレントな制御によって駆動される2量子ビットオープン量子系を考える。
インコヒーレント制御は、環境の時間依存スペクトル密度を介して時間依存のデコヒーレンス率を誘導する。
システムは、時間依存係数を持つゴリーニ・コサコフスキー・スダルシャン・リンドブラッド・マスター方程式に従って進化する。
論文 参考訳（メタデータ） (2023-08-11T13:17:19Z) - On optimization of coherent and incoherent controls for two-level
quantum systems [77.34726150561087]
本稿では、閉かつオープンな2レベル量子系の制御問題について考察する。
閉系の力学は、コヒーレント制御を持つシュリンガー方程式によって支配される。
開系の力学はゴリーニ=コサコフスキー=スダルシャン=リンドブラッドのマスター方程式によって支配される。
論文 参考訳（メタデータ） (2022-05-05T09:08:03Z) - Individual and Social Behaviour in Particle Swarm Optimizers [0.0]
各因子に与えられる重要性は、慣性、個性、社会的重みの3つの係数によって制御される。
社会的行動は、ある粒子に自分の経験を知らせる隣人を定義するソーシャルネットワークの構造によって支配される。
本稿では,係数の異なる設定の影響と,異なる設定と異なる近傍トポロジの組合せが収束の速度と形に及ぼす影響について検討する。
論文 参考訳（メタデータ） (2021-01-25T09:56:30Z) - Numerical Comparison of Neighbourhood Topologies in Particle Swarm
Optimization [0.0]
本稿では,5つの異なる近傍トポロジと4つの異なる係数の設定で表される性能を比較した。
最適位相は問題に依存しているにもかかわらず、相互接続の数を持つ動的近傍が望ましいと考えられる。
論文 参考訳（メタデータ） (2021-01-25T09:23:55Z) - Variational Transport: A Convergent Particle-BasedAlgorithm for Distributional Optimization [106.70006655990176]
分散最適化問題は機械学習や統計学で広く発生する。
本稿では,変分輸送と呼ばれる粒子に基づく新しいアルゴリズムを提案する。
目的関数がpolyak-Lojasiewicz (PL) (Polyak, 1963) の機能バージョンと滑らかな条件を満たすとき、変分輸送は線形に収束することを示す。
論文 参考訳（メタデータ） (2020-12-21T18:33:13Z) - Fast Gravitational Approach for Rigid Point Set Registration with
Ordinary Differential Equations [79.71184760864507]
本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。
FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。
従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
論文 参考訳（メタデータ） (2020-09-28T15:05:39Z) - Particle Swarm Optimization for Energy Disaggregation in Industrial and
Commercial Buildings [0.0]
本稿では,粒子群最適化におけるエネルギー分散問題の定式化について述べる。
マルチテナント商業ビルにおける分散化へのパーティクルスワム最適化の適用が成功したことを示す。
論文 参考訳（メタデータ） (2020-06-23T12:34:39Z) - The Convergence Indicator: Improved and completely characterized
parameter bounds for actual convergence of Particle Swarm Optimization [68.8204255655161]
我々は、粒子が最終的に単一点に収束するか、分岐するかを計算するのに使用できる新しい収束指標を導入する。
この収束指標を用いて、収束群につながるパラメータ領域を完全に特徴づける実際の境界を提供する。
論文 参考訳（メタデータ） (2020-06-06T19:08:05Z) - Consensus-Based Optimization on Hypersurfaces: Well-Posedness and
Mean-Field Limit [7.998311072988401]
コンパクト超曲面上の非場関数の大域的最適化のための新しい微分モデルを提案する。
特に、合意に達したらすぐに、合意は消える。
論文 参考訳（メタデータ） (2020-01-31T18:33:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。