The Particle Swarm Optimisation (PS

The Particle Swarm Optimisation (PSO) algorithm consists of a population (or swarm) of particles that are “flown” through an n -dimensional space in search of a global best solution to an optimisation problem. PSO operates in Cartesian space, producing Cartesian solution vectors. By making use of an appropriate mapping function the algorithm can be modified to search in polar space. This mapping function is used to convert the position vectors (now defined in polar space) to Cartesian space such that the fitness value of each particle can be calculated accordingly. This paper introduces the polar PSO algorithm that is able to search in polar space. This new algorithm is compared to its Cartesian counterpart on a number of benchmark functions. Experimental results show that the polar PSO outperforms the Cartesian PSO in low dimensions when both algorithms are applied to the search for eigenvectors of different image square matrices. Performance of the polar PSO on general unconstrained functions is not as good as the Cartesian PSO, which emphasizes the main conclusion of this paper, namely that the PSO is not an efficient search algorithm for general unconstrained optimisation problems defined in polar space.

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมอนุภาครุมเพิ่มประสิทธิภาพของฉันประกอบด้วยประชากร (หรือ swarm) ของอนุภาคที่จะ "บิน" ผ่านตัว n-มิติพื้นที่เพื่อค้นหาวิธีแก้ไขที่ดีที่สุดทั่วโลกมีปัญหาที่เหมาะสม ของฉันทำงานในพื้นที่คาร์ทีเซียน ผลิตเวกเตอร์โซลูชันคาร์ทีเซียน ด้วยการใช้อัลกอริทึมมีฟังก์ชันแมปที่เหมาะสมสามารถปรับเปลี่ยนการค้นหาในพื้นที่ขั้วโลก ฟังก์ชันแมปนี้จะใช้เพื่อแปลงเวกเตอร์ตำแหน่ง (ตอนนี้กำหนดในพื้นที่ขั้วโลก) คาร์ทีเซียนพื้นที่ดังกล่าวว่าค่าออกกำลังกายของแต่ละอนุภาคสามารถคำนวณได้ตาม กระดาษนี้แนะนำขั้นตอนวิธีละเอียดโพลาร์ที่สามารถค้นหาในพื้นที่ขั้วโลก อัลกอริทึมใหม่นี้ถูกเปรียบเทียบกับคู่ของคาร์ทีเซียนในจำนวนของฟังก์ชันมาตรฐาน ผลการทดลองแสดงว่า ละเอียดขั้วโลกมีประสิทธิภาพสูงกว่าละเอียดคาร์ทีเซียนในขนาดต่ำเมื่อมีใช้อัลกอริทึมทั้งสองค้นหาเวกเตอร์ลักษณะเฉพาะของเมทริกซ์จัตุรัสภาพอื่น ประสิทธิภาพของละเอียดขั้วฟังก์ชัน unconstrained ทั่วไปไม่ดีเท่าการคาร์ทีเซียนของฉัน ที่เน้นข้อสรุปหลักของเอกสารนี้ คือ ว่า ของฉันที่ไม่ใช่อัลกอริทึมค้นหาที่มีประสิทธิภาพสำหรับปัญหาทั่วไปเหมาะสม unconstrained กำหนดในพื้นที่ขั้วโลก

ผลลัพธ์ (ไทย) 2:

อนุภาค Swarm Optimisation (PSO) อัลกอริทึมประกอบด้วยประชากร (หรือฝูง) ของอนุภาคที่มี "บิน" ผ่าน n พื้นที่มิติในการค้นหาของทางออกที่ดีที่สุดทั่วโลกในการแก้ไขปัญหาการเพิ่มประสิทธิภาพ PSO ดำเนินงานในพื้นที่คาร์ทีเซียนผลิตเวกเตอร์แก้ปัญหาคาร์ทีเซียน โดยการใช้ฟังก์ชั่นการทำแผนที่ที่เหมาะสมขั้นตอนวิธีการที่สามารถปรับเปลี่ยนการค้นหาในพื้นที่ขั้วโลก ฟังก์ชั่นการทำแผนที่นี้จะใช้การแปลงเวกเตอร์ตำแหน่ง (ตอนที่กำหนดไว้ในพื้นที่ขั้วโลก) ไปยังพื้นที่คาร์ทีเซียนดังกล่าวว่ามูลค่าการออกกำลังกายของแต่ละอนุภาคสามารถคำนวณได้ตามความเหมาะสม กระดาษนี้จะแนะนำขั้นตอนวิธีการ PSO ขั้วโลกที่สามารถค้นหาในพื้นที่ขั้วโลก ขั้นตอนวิธีการใหม่นี้เมื่อเทียบกับคู่ของคาร์ทีเซียนของมันอยู่กับจำนวนของฟังก์ชั่นมาตรฐาน ผลการทดลองแสดงให้เห็นว่าขั้วโลก PSO มีประสิทธิภาพดีกว่าคาร์ทีเซียน PSO ในมิติที่ต่ำเมื่อขั้นตอนวิธีการทั้งสองจะถูกนำไปใช้กับการค้นหา eigenvectors ของภาพที่แตกต่างกันตารางการฝึกอบรม ประสิทธิภาพการทำงานของ PSO ขั้วโลกในการทำงานไม่มีข้อ จำกัด ทั่วไปคือไม่ดีเท่าที่คาร์ทีเซียน PSO ซึ่งเน้นข้อสรุปหลักของบทความนี้คือว่า PSO ไม่ได้เป็นวิธีการค้นหาที่มีประสิทธิภาพสำหรับปัญหาการเพิ่มประสิทธิภาพไม่มีข้อ จำกัด ทั่วไปที่กำหนดไว้ในพื้นที่ขั้วโลก

ผลลัพธ์ (ไทย) 3:

ฝูงอนุภาคสูงสุด ( PSO ) โดยประกอบด้วยประชากร ( หรือกลุ่ม ) ของอนุภาคที่ " บิน " ผ่าน n - มิติพื้นที่ในการค้นหาของโลกที่ดีที่สุดแก้ไขปัญหาการเพิ่มประสิทธิภาพ . ดำเนินการในระบบของพื้นที่การผลิตของเวกเตอร์โซลูชั่น โดยการใช้ฟังก์ชันที่เหมาะสมแผนที่อัลกอริทึมที่สามารถปรับเปลี่ยนการค้นหาในขั้วโลกอวกาศ แผนที่ฟังก์ชันนี้ใช้แปลงเวกเตอร์ ( ตอนนี้ตำแหน่งที่กำหนดไว้ในขั้วโลกอวกาศ ) ของพื้นที่ดังกล่าวว่า ฟิตเนส ค่าของแต่ละอนุภาคสามารถคำนวณตาม กระดาษนี้จะแนะนำเกี่ยวกับขั้วโลก PSO ขั้นตอนวิธีที่สามารถค้นหาในขั้วโลกอวกาศ ขั้นตอนวิธีการใหม่นี้เมื่อเทียบกับคู่ของตนในหมายเลขของฟังก์ชันมาตรฐาน . ผลการทดลองแสดงให้เห็นว่าระบบขั้วโลกมีประสิทธิภาพดีกว่าของระบบในขนาดต่ำเมื่อใช้ทั้งขั้นตอนวิธีการเสนอของเมทริกซ์ตารางภาพที่แตกต่างกัน ประสิทธิภาพของระบบในการทำงานทั่วไป ขั้วต่างกันไปก็ไม่ได้ดีเท่าของ PSO ซึ่งเน้นข้อสรุปหลักของบทความนี้คือที่ระบบไม่ได้เป็นขั้นตอนวิธีที่มีประสิทธิภาพสำหรับการเพิ่มประสิทธิภาพการค้นหาทั่วไปต่างกันไป ปัญหาที่กำหนดไว้ในขั้วโลกอวกาศ