【报告内容】

汇报人：力尚龙

汇报单位：福建理工大学

主题：《Particle swarm optimization based on dimensional learning strategy》

1、Introduction

2、Method

3、Experiments

4、Conclusion

【报告总结】

1、待解决的问题描述

1）PSO变异的主要共同目标是保持勘探和开发之间的平衡，并在保持种群多样性的同时提高收敛速度和准确性。

2）采用多种改进策略可以平衡算法的探索和开发，对单峰态和多模态问题都具有较高的收敛精度。

3）需要根据算法的搜索特征设计不同的学习策略，以有效地避免过早收敛，帮助算法快速收敛到全局最优。

2、相关创新方案

作者提出了一种维数学习策略（DLS），根据每个粒子的个人最佳体验来发现和整合种群最佳解中有希望的信息。在此基础上作者提出了一种基于不同学习策略的双群学习PSO（TSLPSO）算法。其中一个亚群通过DLS构建学习范例来指导粒子的局部搜索，另一个亚群通过综合学习策略构建学习范例来指导全局搜索。

3、实验总结

在16个标准测试函数和CEC2014测试集中，作者提出的TSLPSO在Friedman实验中rank第一，并且在wilcoxon符号秩和检验中明显优于PSO。

4、未来工作

针对作者提出的DLS在不可分的优化问题中效果可能较差进行深入研究。

报告时间：2024年03月29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)