大师作文网关于粒子群算法的问题为甚么粒子群局寻优能力良好 但是全局寻优能力不足 容易陷入局部值?!
来源：学生作业帮 编辑：大师作文网作业帮 分类：语文作业 时间：2024/11/19 08:18:07
关于粒子群算法的问题
为甚么粒子群局寻优能力良好 但是全局寻优能力不足 容易陷入局部值?!
为甚么粒子群局寻优能力良好 但是全局寻优能力不足 容易陷入局部值?!
粒子群的版本甚多,常用的是加有惯性权重w的
v[] = w * v[] + c1 * rand() * (pbest[] - present[]) + c2 * rand() * (gbest[] - present[])
一般选择惯性权重在迭代过程中线性下降,目的是在迭代的初期,以比较大的权重分配给粒子的原速度,而防止粒子过早的倾向于其本身的局部最优与全局最优,此时的全局搜索能力是可以的.但粒子群是基于牛顿力学的,随着w的减小,速度v的作用会在更新中弱化,对应的是,pbest和gbest的作用得到了加强,这也就意味着,粒子会更加趋向于pbest和gbest的方向移动.这个时候粒子就特别容易陷入局部最优了.
其实陷入局部最优不只是粒子群的问题,进化类的算法都存在这个问题,只不过有些算法随机性强一些,收敛速度慢一些,所以更加容易跳出局部最优（但不是绝对避免）
v[] = w * v[] + c1 * rand() * (pbest[] - present[]) + c2 * rand() * (gbest[] - present[])
一般选择惯性权重在迭代过程中线性下降,目的是在迭代的初期,以比较大的权重分配给粒子的原速度,而防止粒子过早的倾向于其本身的局部最优与全局最优,此时的全局搜索能力是可以的.但粒子群是基于牛顿力学的,随着w的减小,速度v的作用会在更新中弱化,对应的是,pbest和gbest的作用得到了加强,这也就意味着,粒子会更加趋向于pbest和gbest的方向移动.这个时候粒子就特别容易陷入局部最优了.
其实陷入局部最优不只是粒子群的问题,进化类的算法都存在这个问题,只不过有些算法随机性强一些,收敛速度慢一些,所以更加容易跳出局部最优（但不是绝对避免）