【报告内容】

汇报人：吴炳南

单位：福建工程学院

主题：《Multiple adaptive strategies based particle swarm optimization algorithm》

1、Introduction

2、The base model

3、Improved model

4、Experiment

【报告总结】

1.待解决问题

1）论文的很多参数、阈值没有给出，也没有给出设置的原则，因此算法难以复现。

2）算法执行删除操作为什么是对整个种群进行操作而不是对粒子群操作 。

2.相关创新方案

算法使用了自适应学习样本(ALE)和自适应种群大小(APS)

ALE: 根据不同的搜索需求以分配不同的学习样本范围;

APS的目的：合理分配计算资源。在计算过程的前期，以大的种群进行搜索，提高全局搜索能力；在计算后期，减小种群大小，节约计算资源。

3.实验总结

对于算法计算耗时分析部分的实验不够有说服力，MAPSO的性能良好，在CEC2013测试集上做了较详细的对比分析实验，包括了t检验和弗里德曼检验，在这两种检验中MAPSO也表现了突出的性能。

4.未来工作

由于许多参数没有给出具体值和设计方法，算法难以复现，ALE和APS策略的实现过程也不够有说服力。种群大小策略可以与其他种群大小策略进行横向对比，从而获得说服力。

报告时间：2023年04月21日19:30

腾讯会议：371 3868 6615

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)