微粒羣優化慣性因子

Question

我正在閱讀軟計算算法，目前在「粒子羣優化」中，我通常理解該技術，但是，我停在數學或物理學的一部分，我無法想象或理解它是如何工作的或者它如何影響飛行，這部分是方程，更新的第一部分，也就是所謂的「慣性因子」 速度完全更新速度方程爲： 我在一篇文章中第2.3節讀「 Ineteria Factor「：

」算法的這種變化旨在平衡兩種可能的PSO傾向（de- 懸掛在參數化上）或者利用已知解決方案周圍的區域 或探索搜索空間的新區域。要做到這一點，這個變化的重點是粒子速度方程2的動量分量。注意，如果你去掉這個分量，粒子的運動沒有記憶的運動方向，它會一直探索關閉找到解決方案。另一方面，如果使用速度分量，或者甚至乘以aw（慣性權重，平衡動量分量的重要性）因子 ，粒子將傾向於探索搜索空間的新區域，因爲它不能容易地改變 它的速度朝着最好的解決方案。它必須首先\抵消以前獲得的勢頭，這樣做能夠探索新的區域，並花費時間「抵消」前一個勢頭。這vari- 通貨膨脹是由具有重量 值之前的速度分量相乘，W實現「

完整的PDF在：https://www.google.com.eg/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&ved=0CDIQFjAA&url=http%3A%2F%2Fweb.ist.utl.pt%2F~gdgp%2FVA%2Fdata%2Fpso.pdf&ei=0HwrUaHBOYrItQbwwIDoDw&usg=AFQjCNH8vChXHXWz_ydHxJKAY0cUa94n-g

，但我也不能想象有physicaly或數字，這是happend以及這個因素如何影響從探索層面到開發層面的影響，所以需要一個數值例子來看看它是如何工作的，並想象它是如何工作的。尋找最佳的解決方案，是否有這樣的PSO的athoerm。

Answer 1

使用數學解釋PSO並不容易（例如參見Wikipedia文章）。 但是你可以這樣想：方程有3個部分：

particle speed = inertia + local memory + global memory 

所以你在每個部分改變coefficientes控制這些部件的「重要性」。 除非讓stocastic部分保持不變並忽略諸如粒子 - 粒子間的相互作用，否則沒有任何分析方法可以看到這一點。

漏洞利用：利用最好的解決方案（本地和全球）。
探索：在新的方向上搜索，但不要忽視最好的解決方案。簡而言之，您可以控制對於粒子當前速度（慣性），最佳已知解決方案的粒子記憶以及羣體最佳解決方案的粒子記憶的重要性。

我希望它能幫助你！ 溴的

Answer 2

慣性不是由Kennedy和Eberhart於1995年推出的原始PSO算法它已經三年了，直到石和埃伯哈特發表本擴展顯示（在某種程度上），它的作品更好的一部分。

可以將該值設置爲常數（據推測[0.8至1.2]是最好的）。 然而，參數的重點在於平衡空間的開發和探索，並且作者在用線性函數定義參數時得到了最好的結果，該函數隨着時間的推移從[1.4到0]降低。 他們的理由是，第一個人應該利用解決方案找到一顆好種子，然後開發種子周圍的區域。

我的感覺是，你越接近0，顆粒越混亂。

有關詳細的答案，請參閱Shi，Eberhart 1998年 - 「改進的粒子羣優化器」。