Skip to content

Segunda versão

Pre-release
Pre-release
Compare
Choose a tag to compare
@ddss ddss released this 22 Aug 21:39
· 23 commits to master since this release
v0.2-beta
2ad7ec9

INTRODUÇÃO:

Segunda versão do algoritmo de PSO. Esta traz aprimoramentos e correções para a versão anterior, como:

  • algoritmo está mais rápido do que a versão anterior
  • menor consumo de memória para gerar gráficos do Movie e de desempenho
    *

ALGORITMOS:

  • PSO - Particle swarm optimization
  • HPSO - Self-Organizing Hierarchical Particle Swarm Optimizer

CARACTERÍSTICAS

PESO DE INÉRCIA:

  • Constante
  • TVIW-linear - time variating inertia weight (linear)
  • TVIW-random - time variating inertia weight (random)
  • TVIW-Adaptive-vel - time variating inertia weight with adaptive parameter tuning of particle swarm optimization based on velocity information

FATOR DE ACELERAÇÃO:

  • Constante
  • TVAC - time variating acceleration coefficientes (linear)

VELOCIDADE DE REINICIAÇÃO DO HPSO:

  • TVVr-linear - time variating reinitialization velocity (linear)
  • Constante

RESTRIÇÃO:

  • Restrição do tipo caixa

CRITÉRIOS DE PARADA (NOVO):

  • número máximo de iterações
  • desvio-padrão das partículas (em relação ao valor da função objetivo)
  • alterações no valor da função objetivo no ponto ótimo

GRÁFICOS:

  • Gráficos de performance.
  • Gráficos da função objetivo.

FRAMES:

  • Criação de frames para cada iteração

FUNCIONALIDADES E LIMITAÇÕES:

  • Algoritmos baseados na versão GBEST do PSO
  • o valor de gbest (ponto ótimo) pode ser atualizado pelas partículas ou pelo enxame
  • Salva o histórico da otimização. O tamanho ode ser definido pelo usuário (novo)

REFERÊNCIAS:

  1. KENNEDY, J.; EBERHART, R. Particle swarm optimization. Proceedings of ICNN’95 - International Conference on Neural Networks. Anais... [S.l.]: IEEE. , 1995
  2. EBERHART, R.; KENNEDY, J. A new optimizer using particle swarm theory. MHS’95. Proceedings of the Sixth International Symposium on Micro Machine and Human Science. Anais... [S.l.]: IEEE., 1995
  3. SHI, Y.; EBERHART, R. A modified particle swarm optimizer. 1998 IEEE International Conference on Evolutionary. Computation Proceedings. IEEE World Congress on Computational Intelligence (Cat. No.98TH8360). Anais... [S.l.]: IEEE., 1998
  4. EBERHART, R. C. Particle swarm optimization: developments, applications and resources. Proceedings of the 2001.Congress on Evolutionary Computation (IEEE Cat. No.01TH8546). Anais... [S.l.]: IEEE. , 2001
  5. CLERC, M. The swarm and the queen: towards a deterministic and adaptive particle swarm optimization.
  6. CLERC, M.; KENNEDY, J. The particle swarm - explosion, stability, and convergence in a multidimensional complex space. IEEE Transactions on Evolutionary Computation, v. 6, n. 1, p. 58–73, 2002.
  7. ZHANG, L.; YU, H.; HU, S. Optimal choice of parameters for particle swarm optimization. Journal of Zhejiang University SCIENCE, v. 6A, n. 6, p. 528–534, jun 2005.
  8. XU, G. An adaptive parameter tuning of particle swarm optimization algorithm. Applied Mathematics and Computation, v. 219, n. 9, p. 4560–4569, jan 2013.
  9. SCHWAAB, M.; BISCAIA, J. . E. C.; MONTEIRO, J. L.; PINTO, J. C. Nonlinear parameter estimation through particle swarm optimization. Chemical Engineering Science, v. 63, n. 6, p. 1542–1552, mar 2008.
  10. RATNAWEERA, A.; HALGAMUGE, S. K.; WATSON, H. C. Self-Organizing Hierarchical Particle Swarm Optimizer With Time-Varying Acceleration Coefficients. IEEE Transactions on Evolutionary Computation, v. 8, n. 3, p. 240–255, jun. 2004.
  11. EBERHART, R.; SHI, Y. Comparing inertia weights and constriction factors in particle swarm optimization. In: Proceedings of the 2000 Congress on Evolutionary Computation. CEC00 (Cat. No.00TH8512). IEEE, 2000. v. 1, n. 7, p. 84–88.
Assets 2
Loading