【报告内容】

汇报人：王函宇

汇报单位：福建理工大学

主题:《An N-State Markovian Jumping Particle Swarm Optimization Algorithm》

1、Introduction

2、Methods

3、Experiments

4、Conclusion

【报告总结】

1. 待解决的问题描述

(1) 作为一种在数学中常用的随机方法，马尔可夫链已在控制工程、经济学和物理学中得到广泛研究。

(2)近年来，马尔可夫链已被应用于PSO算法，以增加逃离局部最优解的可能性。

2. 相关创新方案

(1)本文提出了一种新颖的N状态马尔可夫跳跃粒子群优化（NS-MJPSO）算法，其中马尔可夫链用于切换速度模型的状态，从而通过搜索空间改善了探索性能。

(2)本文提出了一种新颖的NS-MJPSO算法，其中马尔可夫链嵌入到进化状态的切换中，自适应地调整每次迭代中的加速系数，从而促进对整个问题空间的彻底搜索。

3. 实验总结

（1）该文章提出了一种新颖的NS-MJPSO算法，希望进一步提高粒子群优化器的搜索能力。所开发的NS-MJPSO算法将马尔可夫跳跃过程和进化方法相结合。速度更新模型通过利用马尔可夫链从一个状态切换到另一个状态。

（2）尽管与基本PSO算法相比，NS-MJPSO算法的计算负担略微增加，但马尔可夫跳跃的复杂技术能够显著改善优化器的搜索能力，并缓解局部最优和过早收敛等基本问题。

4. 未来工作

（1）所提出的NS-MJPSO算法只是全局最佳版本，这意味着其性能仅对单峰系统保证。

（2）作为未来的工作，对于多峰系统，需要进一步进行修改。在这种情况下，自动估计N个状态的这些控制参数将成为我们未来研究的首要任务。

报告时间：2024年03月08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)