Optimisation répulsive d\'essaim de particules

Dans les mathématiques , spécifiquement dans l'optimisation , l'optimisation répulsive ( RPSO ) d'essaim de particules de est un algorithme de l'optimisation globale . Elle appartient à la classe des optimiseurs globaux évolutionnaires du stochastique du , et est une variante de l'optimisation (PSO) d'essaim de particules de .

Il y a plusieurs différentes réalisations de RPSO. Le terrain communal à toutes les réalisations est la répulsion entre les particules. Ceci peut empêcher l'essaim étant emprisonné dans les maximum locaux , qui causeraient une convergence prématurée et mèneraient l'algorithme d'optimisation pour trouver l'optimum global .

Dans un type de cet algorithme de RPSO-classe, le futur $de\; la\; vitesse\; \backslash \; \_\; du\; mathbf\; \{v\}\; \{\backslash \; mathrm\; \{prochain\}\}$ d'une particule au $de\; position\; \backslash \; au\; mathbf\; \{x\}$ avec un $de\; vitesse\; \backslash \; mathbf\; récents\; \{v\}$ est calculé près = de _ de $\backslash \; mathbf\; de$

{v} {\ mathrm {prochain}} \ Omega \ mathbf {v} + \ d'a \ chi_1 \ (- \ + de mathbf {x} \ chapeau {\ mathbf {x}}) + \ \ \ chi_2 \ Omega de b (- \ + de mathbf {x} \ chapeau {\ mathbf {y}}) + \ de c \ chi_3 \ \ \ d'Omega \ mathbf {z}

là où
$\backslash \; chi\_1,\; \backslash \; \backslash \; chi\_2,\; \backslash \; \backslash \; chi\_3$ : $de\; nombres\; aléatoires\; \backslash \; dans\; 1$ (différent à chaque itération)
$\backslash \; omega$ : $de\; poids\; d\text{'}inertie\; \backslash \; dans\; 0.7$
$\backslash \; chapeau\; \{\backslash \; mathbf\; \{x\}\}$ : la meilleure position d'une particule
$\backslash \; chapeau\; \{\backslash \; mathbf\; \{y\}\}$ : la meilleure position de l'aléatoirement choisi l'autre particule de l'essaim
$\backslash \; mathbf\; \{z\}$ : un vecteur aléatoire de vitesse
$a,\; b,\; c$ : constantes

La propriété de répulsion est réalisée pour un $b$ négatif. La différence principale entre PSO et RPSO est le mécanisme de propagation pour déterminer de nouvelles positions pour une particule dans l'espace de recherche. RPSO est capable de trouver des optimums globaux dans les espaces de recherche plus complexes . D'une part, comparé à PSO il peut être plus lent sur certains types de problèmes d'optimisation. Ce type de RPSO a été présenté la première fois comme application à un problème robuste d'évaluation.

Random links:

Banlieue noire de Haring, Michigan | Ichinoseki, Iwate | Neil Warnock | Station de Sugamo | Papineau (métro de Montréal) | Optimización_repulsiva_del_enjambre_de_la_partícula

© 2007-2009 encyclopediefrancaise.com; le texte de cet article est distribué sous les termes de GFDL; en.wikipedia.org