Theoretical analysis of canonical deterministic PSO and the development of itsapplications

典型确定性粒子群算法的理论分析及其应用进展

• 批准号: 22560389
• 负责人: JINNO Kenya
• 金额: $ 2.66万
• 依托单位: Nippon Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2010
• 资助国家: 日本
• 起止时间: 2010 至 2012
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22560389/
• 关键词: 非線形理論; 回路; 粒子群最適化; 決定論的; 固有値; グラフ理論; 平均頂点間距離; ネットワーク構造; 最適化問題; 電子回路; 正準形; DC-ACインバータ; 適応フィルタ; センサーネットワーク

A particle swarm optimization (PSO) system is one of the powerful systems for solving global optimization problems. The PSO algorithm can search an optimal value of a given evaluation function quickly compared with other proposed meta-heuristics algorithms. The conventional PSO system contains some random factors, therefore, the dynamics of the system can be regarded as stochastic dynamical systems. In order to analyze the dynamics rigorously, some papers pay attention to deterministic PSO systems which does not contain any stochastic factors. According to these results, the eigenvalues of the system impinge on the dynamics of the particles. Depending on the parameter, the searching ability of the deterministic PSO is decreased. In order to overcome this, we propose a canonical deterministic PSO which can control its eigenvalues easily, and can improve the searching ability. We confirmed relation between the eigenvalues and the searching ability of the optimal value from some numerical experiments.

粒子群优化（PSO）系统是解决全局优化问题的强大系统之一。与其他提出的元启发式算法相比，PSO 算法可以快速搜索给定评估函数的最优值。常规PSO系统包含一些随机因素，因此，系统的动力学可以视为随机动力系统。为了严格分析动力学，一些论文关注不包含任何随机因素的确定性 PSO 系统。根据这些结果，系统的特征值影响粒子的动力学。根据参数的不同，确定性 PSO 的搜索能力会降低。为了克服这个问题，我们提出了一种规范确定性粒子群算法，它可以轻松控制其特征值，并可以提高搜索能力。我们通过一些数值实验证实了特征值与最优值搜索能力之间的关系。

项目成果

A Relationship between Network Structures of PSO and its Performance

PSO网络结构与其性能的关系

• 发表时间: 2010
• 作者: T.Tsujimoto;T.Shindo;K.Jin'no
• 通讯作者: K.Jin'no

粒子群最適化法を学習に用いた非線形ブラインド信号源分離

利用粒子群优化方法进行非线性盲信号源分离学习

• 发表时间: 2013
• 作者: 栗原拓哉;神野 健哉
• 通讯作者: 神野 健哉

An Analog Circuit Implementation of Deterministic Particle Swarm Optimization

确定性粒子群优化的模拟电路实现

• 发表时间: 2012
• 作者: Takahiko Kanda;Takuya Kurihara;Takuya Shindo;Kenya Jin'no
• 通讯作者: Kenya Jin'no

粒子群最適化法の最良位置参照による解探索性能

粒子群优化方法中使用最佳位置参考的解搜索性能

• 发表时间: 2012
• 作者: 進藤 卓也;神野 健哉
• 通讯作者: 神野 健哉

A Nonlinear Blind Source Separation using a Particle Swarm Optimization

使用粒子群优化的非线性盲源分离

• 发表时间: 2012
• 作者: Takuya Kurihara;Kenya Jin'no
• 通讯作者: Kenya Jin'no