Particle Swarm Optimizationの力学系に対する乱数を考慮した安定性解析：持続探索のための最良パラメータ
Particle Swarm Optimizationの力学系に対する乱数を考慮した安定性解析：持続探索のための最良パラメータ
复制标题
DOI：
10.1541/ieejeiss.130.29
复制
发表时间：
2010
影响因子：
--
通讯作者：
祐司 小熊;相吉 英太郎
中科院分区：
文献类型：
--
作者：
祐司 小熊;相吉 英太郎
粒子群优化算法（Particle Swarm Optimization，PSO）作为一种全局优化算法，在计算结束前不能进行持续搜索。为了赋予粒子群算法全局搜索能力，粒子的不稳定和稳定状态的重复是必要的。本文在分析粒子群算法模型稳定性的基础上，考虑粒子群算法的随机性，通过在稳定状态和不稳定状态之间的边界区域选择系统参数来实现持续搜索，从而提出了一种具有全局搜索能力的优化模型，作为对传统粒子群算法的改进。
Particle Swarm Optimization (PSO), which has attracted special interest as a global optimization method recently, has a drawback in that its sustainable search can not be executed until the end of computation. In order to endow global searching abilities to PSO, repetition of unstable and stable states of the particles is necessary. In this paper, based on stability analysis of PSO's model, with considering its random numbers, we realize sustainable search by choosing system parameters on boundary region between unstable and stable states, and then introduce an optimization model with global searching abilities as a revision of the conventional PSO.