intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE
 » 
 » 

Bài giảng Tính toán tiến hóa: Bài 8 - TS. Huỳnh Thị Thanh Bình

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:24

Thêm vào BST
Báo xấu
20
lượt xem 3
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng "Tính toán tiến hóa: Bài 8 - Particle Swarm Optimization (PSO)" được biên soạn với các nội dung chính sau: Các thành phần thuật toán PSO; Các bước của thuật toán PSO; Thuật toán PSO rời rạc; Các biến thể PSO;... Mời các bạn cùng tham khảo bài giảng!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Tính toán tiến hóa: Bài 8 - TS. Huỳnh Thị Thanh Bình

  1. Particle Swarm Optimization (PSO) PGS.TS Huỳnh Thị Thanh Bình Email: binhht@soict.hust.edu.vn
  2. Tổng quan 2 Particle Swarm Optimization:  Được giới thiệu bởi Kennedy & Eberhart 1995  Lấy cảm hứng từ các hành vi xã hội của bầy chim và đàn cá  Thuộc lớp các thuật toán tối ưu sử dụng Trí thông minh bầy đàn  Thuật toán tối ưu dựa trên quần thể
  3. Các thành phần của thuật toán PSO 3  Swarm (bầy) : Tập các cá thể (S)  Particle (cá thể): ứng cử viên lời giải của bài toán  Vị trí,  Vận tốc ,  Vị trí tốt nhất đạt được của cá thể trong quá khứ :  Cá thể tốt nhất trong bầy đàn:
  4. PSO Algorithm 4 Các bước của thuật toán PSO: 1. Khởi tạo một bầy gồm N cá thể 2. Đánh giá độ thích nghi của mỗi cá thể trong bầy 3. Cập nhật vị trí tốt nhất (kinh nghiệm) của mỗi cá thể . 4. Cập nhật vị trí của cá thể tốt nhất của trong bầy đàn. 5. Cập nhật vận tốc và vị trí của mỗi cá thể theo và 6. Quay lại bước 2, và lặp cho đến khi thỏa mãn điều kiện dừng.
  5. PSO Algorithm (cont.) 5  Biểu thức cập nhật vận tốc : Thành phần nhận thức Quán tính Thành phần xã hội  Hệ số ngẫu nhiên  : hệ số gia tốc
  6. PSO Algorithm (cont.) 6  Biểu thức cập nhật vận tốc : Quán tính Thành phận nhận thức Thành phần xã hội  Hệ số ngẫu nhiên  : hệ số gia tốc  Cập nhật vị trí:
  7. PSO Algorithm – Tham số 7  Hệ số gia tốc  Giá trị quá nhỏ làm hạn chế bước nhảy của các cá thể trong bầy đàn=> hội tụ chậm  Giá trị quá lớn : không hội tụ  Thông thường  Giá trị vận tốc tối đa  Giá trị vận tốc tối đa của một cá thể ở chiều thứ d trong không gian:
  8. Ví dụ thuật toán PSO (Bước 1 + 2 +3) 8 • Khởi tạo 1 bầy đàn với 4 cá thể (t=0) • Đánh giá độ thích nghi, 3• Đánh dấu gbest 2.5 gbest 2 1.5 1 0.5 0 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
  9. Ví dụ thuật toán PSO (Bước 4) 9 Cập nhât vận tốc của mỗi cá thể (t=1) 3 2.5 gbest 2 1.5 1 0.5 0 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
  10. Ví dụ thuật toán PSO (Bước 4 tiếp) 10 Cập nhật vị trí của cá thể sau khi di chuyển (t=2) 3 2.5 gbest 2 1.5 1 0.5 0 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
  11. Ví dụ thuật toán PSO (Bước 2+3) 11 Đánh giá độ thích nghi và Cập nhật vị trí tốt nhất của mỗi cá thể và vị trí tốt nhất toàn cục (t=2) 3 2.5 gbest 2 1.5 1 0.5 0 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
  12. Ví dụ thuật toán PSO (Bước 4) 12 Cập nhật vận tốc cho mỗi cá thể (t=2) Thành phần nhận thức Quán tính Thành phần xã hội 3 gbest 2.5 2 1.5 Quán tính Nhận thức 1 Xã hội 0.5 Tổng hợp 0 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
  13. Thuật toán PSO rời rạc 13  Binary PSO:  Được giới thiệu bởi kennedy and Eberhart.  Mỗi cá thể (particle) là một biểu diễn nhị phân 0-1. Vị trí tốt nhất Vị trí tốt nhất Trạng thái trước đó Vận tốc trước đó của cá của cá thể tốt thể đạt được nhất trong cả bầy đàn  Biểu thức cập nhật vận tốc:
  14. Binary PSO (cont.) 14  xác định một ngưỡng trong hàm xác xuất và nằm trong đoạn [0.0, 1.0]. 1 Vid  Trạng thái của chiều thứ d trong biểu diễn của cá thể id ở thế hệ thứ t được xác định như sau: Với là một số ngẫu nhiên với phân phối đều
  15. Các biến thể PSO 15  Hybrid PSO  Incorporate the capabilities of other evolutionary computation techniques.  Adaptive PSO  Adaptation of PSO parameters for a better performance.  PSO in complex environments  Multiobjective or constrained optimization problems or tracking dynamic systems.  Other variants  variations to the original formulation to improve its performance.
  16. Hybrid PSO 16  GA-PSO:  combines the advantages of swarm intelligence and a natural selection mechanism.  jump from one area to another by the selection mechanism  accelerating the convergence speed.  capability of “breeding”.  replacing agent positions with low fitness values, with those with high fitness, according to a selection rate
  17. Hybrid PSO 17  EPSO:  Evolutionary PSO  Incorporates a selection procedure  Self-adapting of parameters  The particle movement is defined as:
  18. Hybrid PSO : EPSO 18  Mutation of weights and global best:  Learning parameters can be either fixed or dynamically changing as strategic parameters.  Survival Selection:  Stochastic tournament.
  19. Hybrid PSO : EPSO 19
  20. Hybrid PSO : DEPSO 20  Hybrid of Differential Evolution and PSO.  A DE operator applied to the particle’s best position to eliminate the particles falling into local minima.  Alternation:  Original PSO algorithm at the odd iterations.  DE operator at the even iterations.
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

THÔNG TIN
TRỢ GIÚP
HỖ TRỢ KHÁCH HÀNG
Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.

 

Đồng bộ tài khoản
2=>2