Particle swarm optimization is a st

Particle swarm optimization is a stochastic population-based algorithm based on social interaction of bird flocking or fish schooling. In this paper, a new adaptive inertia weight adjusting approach is proposed based on Bayesian techniques in PSO, which is used to set up a sound tradeoff between the exploration and exploitation characteristics. It applies the Bayesian techniques to enhance the PSO’s searching ability in the exploitation of past particle positions and uses the cauchy mutation for exploring the better solution. A suite of benchmark functions are employed to test the performance of the proposed method. The results demonstrate that the new method exhibits higher accuracy and faster convergence rate than other inertia weight adjusting methods in multimodal and unimodal functions. Furthermore, to show the generalization ability of BPSO method, it is compared with other types of improved PSO algorithms, which also performs well.

ผลลัพธ์ (ไทย) 1:

เพิ่มประสิทธิภาพฝูงอนุภาคเป็นแบบสโทแคสติกประชากรตามอัลกอริทึมตามสังคมของประถม flocking หรือปลานก ในเอกสารนี้ ความเฉื่อยปรับน้ำหนักใหม่ปรับวิธีจะนำเสนอตามทฤษฎีเทคนิค PSO ซึ่งใช้ในการตั้งข้อดีข้อเสียเสียงระหว่างการสำรวจและใช้ประโยชน์จากลักษณะ มันใช้เทคนิคทฤษฎีเพื่อเพิ่มประสิทธิภาพของ PSO ค้นหาความสามารถในการแสวงหาประโยชน์จากตำแหน่งอนุภาคผ่านมา และกลายพันธุ์ cauchy ใช้ในการแก้ปัญหาที่ดี ชุดของฟังก์ชันมาตรฐานเป็นลูกจ้างเพื่อทดสอบประสิทธิภาพของวิธีการนำเสนอ ผลลัพธ์แสดงให้เห็นว่า วิธีการใหม่ที่จัดแสดงความแม่นยำสูงและอัตราการลู่เข้าเร็วกว่าน้ำหนักแรงเฉื่อยอื่น ๆ ปรับวิธี unimodal และเนื่อง นอกจากนี้ แสดงความ generalization วิธี BPSO มันเปรียบเทียบกับชนิดอื่น ๆ ปรับปรุง PSO อัลกอริทึม ซึ่งยัง ทำกัน

ผลลัพธ์ (ไทย) 2:

การเพิ่มประสิทธิภาพจับกลุ่มอนุภาคเป็นขั้นตอนวิธีประชากรที่สุ่มขึ้นอยู่กับการปฏิสัมพันธ์ทางสังคมของท่านเตือนนกหรือการศึกษาปลา ในบทความนี้น้ำหนักความเฉื่อยการปรับตัวปรับวิธีใหม่จะเสนอขึ้นอยู่กับเทคนิคคชกรรมใน PSO ซึ่งจะใช้ในการตั้งค่าเสียงถ่วงดุลอำนาจระหว่างลักษณะการสำรวจและการใช้ประโยชน์ ซึ่งจะใช้เทคนิคแบบเบย์เพื่อเพิ่มความสามารถในการค้นหา PSO ในการใช้ประโยชน์จากตำแหน่งของอนุภาคที่ผ่านมาและใช้การกลายพันธุ์ Cauchy สำหรับการสำรวจทางออกที่ดีกว่า ชุดของฟังก์ชั่นมาตรฐานที่ใช้ในการทดสอบประสิทธิภาพของวิธีการที่นำเสนอ ผลแสดงให้เห็นว่าวิธีการใหม่จัดแสดงนิทรรศการความแม่นยำสูงและอัตราการบรรจบกันเร็วกว่าน้ำหนักความเฉื่อยอื่น ๆ ปรับวิธีการในการทำงานต่อเนื่องและ unimodal นอกจากนี้เพื่อแสดงให้เห็นความสามารถทั่วไปของวิธี BPSO ก็คือเมื่อเทียบกับประเภทอื่น ๆ ของการปรับปรุงขั้นตอนวิธีการ PSO ซึ่งยังมีประสิทธิภาพดี

ผลลัพธ์ (ไทย) 3:

ฝูงอนุภาคเป็น Stochastic optimization - ตามจำนวนประชากรโดยอยู่บนพื้นฐานของการปฏิสัมพันธ์ทางสังคมของนก flocking หรือโรงเรียนปลา ในกระดาษนี้ แบบใหม่ น้ำหนักปรับความเฉื่อยขึ้นอยู่กับเทคนิควิธีการนำเสนองานในระบบ ซึ่งใช้ในการตั้งเสียง ข้อเสียระหว่างการสำรวจและลักษณะการแสวงหาประโยชน์มันใช้เทคนิค Bayesian เพื่อเพิ่มประสิทธิภาพของระบบการค้นหาความสามารถในการใช้ประโยชน์จากตำแหน่งของอดีตและใช้ Cauchy การกลายพันธุ์เพื่อสำรวจโซลูชั่นที่ดีขึ้น ชุดของฟังก์ชันมาตรฐานที่ใช้ในการทดสอบประสิทธิภาพของวิธีการที่ได้นำเสนอผลลัพธ์ที่แสดงให้เห็นว่าวิธีการใหม่จัดแสดงความถูกต้องสูงและอัตราการลู่เข้าเร็วกว่าอื่น ๆน้ำหนักปรับวิธีการในการทำงานแบบความเฉื่อย และ unimodal . นอกจากนี้ เพื่อแสดงความสามารถในการวิธี bpso เป็นเมื่อเทียบกับประเภทอื่น ๆของการปรับปรุงอัลกอริทึม PSO ซึ่งยังแสดงได้ดี