Result: Hovering Swarm Particle Swarm Optimization

PSO est un algorithme de recherche métaheuristique simple et pourtant puissant largement utilisé pour résoudre divers problèmes d'optimisation. Néanmoins, les OSP conventionnels ont tendance à perdre radicalement leur diversité de population et à souffrir de performances compromises lorsqu'ils rencontrent des problèmes d'optimisation avec des paysages de remise en forme complexes. Des études approfondies suggèrent la nécessité de préserver une grande diversité de population pour que PSO échappe à l'optima local afin de résoudre efficacement des problèmes d'optimisation complexes. Inspiré par ces idées, un essaim stationnaire PSO (HSPSO) est proposé dans cet article, où un schéma de préservation de la diversité efficace sur le plan informatique est d'abord introduit pour diviser la population de HSPSO en un essaim principal et un essaim stationnaire. Un schéma de construction exemplaire est ensuite proposé dans l'essaim principal de HSPSO pour générer un exemplaire universel en tenant compte des informations directionnelles prometteuses apportées par les autres particules non les plus instables. L'exemple universel proposé est envisagé pour supprimer les impacts négatifs de la meilleure particule mondiale, tout en restant efficace pour guider toutes les particules de l'essaim principal convergeant vers les régions de solution prometteuses. Tout en planant autour de l'essaim principal, un schéma intelligent est introduit pour ajuster dynamiquement les poids d'inertie de tous les membres de l'essaim en vol stationnaire afin d'équilibrer correctement les recherches d'exploration et d'exploitation au niveau de l'essaim. Des analyses de performance approfondies sont effectuées en utilisant le HSPSO proposé pour résoudre 30 fonctions de référence de CEC 2014 et cinq applications d'ingénierie du monde réel. Les résultats de la simulation révèlent que le HSPSO est capable de surpasser les optimiseurs de pointe lors de la résolution des fonctions les plus testées en raison de son excellente capacité de préservation de la diversité.
PSO es un algoritmo de búsqueda metaheurística simple pero potente ampliamente utilizado para resolver diversos problemas de optimización. Sin embargo, la OSP convencional tiende a perder su diversidad de población drásticamente y sufre con un rendimiento comprometido al encontrarse con los problemas de optimización con paisajes de fitness complejos. Amplios estudios sugieren la necesidad de preservar la alta diversidad de la población para que la OSP escape de los óptimos locales con el fin de resolver problemas complejos de optimización de manera efectiva. Inspirado en estas ideas, se propone un enjambre flotante PSO (HSPSO) en este documento, donde se introduce por primera vez un esquema de preservación de la diversidad computacionalmente eficiente para dividir la población de HSPSO en un enjambre principal y un enjambre flotante. Posteriormente se propone un esquema de construcción ejemplar en el enjambre principal de HSPSO para generar un ejemplar universal al considerar la información direccional prometedora aportada por las otras partículas no más aptas. Se prevé que el modelo universal propuesto suprima los impactos negativos de la mejor partícula global, al tiempo que sigue siendo eficaz para guiar todas las partículas del enjambre principal que convergen hacia las regiones de solución prometedoras. Mientras se cierne alrededor del enjambre principal, se introduce un esquema inteligente para ajustar dinámicamente los pesos de inercia de todos los miembros del enjambre flotante para lograr un equilibrio adecuado de las búsquedas de exploración y explotación a nivel de enjambre. Se realizan extensos análisis de rendimiento utilizando el HSPSO propuesto para resolver 30 funciones de referencia de CEC 2014 y cinco aplicaciones de ingeniería del mundo real. Los resultados de la simulación revelan que el HSPSO es capaz de superar a los optimizadores de última generación al resolver la mayoría de las funciones probadas debido a su excelente capacidad de preservar la diversidad.
PSO is a simple and yet powerful metaheuristic search algorithm widely used to solve various optimization problems. Nevertheless, conventional PSO tends to lose its population diversity drastically and suffer with compromised performance when encountering the optimization problems with complex fitness landscapes. Extensive studies suggest the needs of preserving high population diversity for PSO to escape from the local optima in order to solve complex optimization problems effectively. Inspired by these ideas, a hovering swarm PSO (HSPSO) is proposed in this paper, where a computationally efficient diversity preservation scheme is first introduced to divide the population of HSPSO into a main swarm and a hovering swarm. An exemplar construction scheme is subsequently proposed in the main swarm of HSPSO to generate a universal exemplar by considering the promising directional information contributed by the other non-fittest particles. The proposed universal exemplar is envisioned to suppress the negative impacts of global best particle, while remain effective to guide all particles of main swarm converging towards the promising solution regions. While hovering around the main swarm, an intelligent scheme is introduced to dynamically adjust inertia weights of all hovering swarm members to achieve proper balancing of exploration and exploitation searches at swarm levels. Extensive performance analyses are conducted by using the proposed HSPSO to solve 30 benchmark functions of CEC 2014 and five real-world engineering applications. Simulation results reveal that the HSPSO is able outperform the state-of-art optimizers when solving most tested functions due to its excellent diversity preservation capability.
PSO هي خوارزمية بحث بسيطة وقوية تستخدم على نطاق واسع لحل مشاكل التحسين المختلفة. ومع ذلك، تميل PSO التقليدية إلى فقدان تنوعها السكاني بشكل كبير وتعاني من الأداء الضعيف عند مواجهة مشاكل التحسين مع المناظر الطبيعية المعقدة للياقة البدنية. تشير الدراسات المستفيضة إلى احتياجات الحفاظ على التنوع السكاني العالي لـ PSO للهروب من الأمثلية المحلية من أجل حل مشاكل التحسين المعقدة بشكل فعال. مستوحاة من هذه الأفكار، يقترح سرب يحوم PSO (HSPSO) في هذه الورقة، حيث يتم تقديم مخطط الحفاظ على التنوع الفعال حسابيًا لأول مرة لتقسيم سكان HSPSO إلى سرب رئيسي وسرب يحوم. يُقترح لاحقًا مخطط بناء نموذجي في السرب الرئيسي لـ HSPSO لتوليد نموذج عالمي من خلال النظر في المعلومات الاتجاهية الواعدة التي ساهمت بها الجسيمات الأخرى غير الملائمة. يهدف النموذج العالمي المقترح إلى قمع الآثار السلبية لأفضل الجسيمات العالمية، مع الحفاظ على فعاليته في توجيه جميع جسيمات السرب الرئيسي المتقاربة نحو مناطق الحلول الواعدة. أثناء التحليق حول السرب الرئيسي، يتم تقديم مخطط ذكي لضبط أوزان القصور الذاتي ديناميكيًا لجميع أعضاء السرب الذين يحومون لتحقيق التوازن المناسب بين عمليات البحث عن الاستكشاف والاستغلال على مستويات السرب. يتم إجراء تحليلات شاملة للأداء باستخدام HSPSO المقترح لحل 30 وظيفة مرجعية لـ CEC 2014 وخمسة تطبيقات هندسية في العالم الحقيقي. تكشف نتائج المحاكاة أن HSPSO قادر على التفوق على أحدث المحسنات عند حل معظم الوظائف التي تم اختبارها بسبب قدرته الممتازة على الحفاظ على التنوع.