이 글에서는 널리 사용되는 파티클 스웜 최적화(PSO) 알고리즘에 대해 살펴보겠습니다. 이전에는 수렴, 수렴 속도, 안정성, 확장성과 같은 최적화 알고리즘의 중요한 특성에 대해 알아보고 테스트 스탠드를 개발했으며 가장 간단한 RNG 알고리즘에 대해 알아보았습니다.
그림 2에 설명 된 시리즈의 첫 번째 기사에서와 동일한 구조를 사용하여 알고리즘을 구성할 것이기 때문에 (앞으로도 계속이 작업을 수행 할 것입니다) 알고리즘을 테스트 스탠드에 연결하는 것이 어렵지 않을 것입니다.
스탠드를 실행하면 아래와 유사한 애니메이션이 표시됩니다. 이 경우 파티클 무리가 어떻게 작동하는지 명확하게 확인할 수 있습니다. 스웜은 실제로 스웜처럼 행동합니다. 함수의 히트 맵에서 함수는 짙은 구름의 형태로 움직입니다.
기억하시겠지만 검은색 원은 함수의 글로벌 최적(최대)을 나타내고, 검은색 점은 현재 반복 시점에서 얻은 검색 알고리즘의 최적 평균 좌표를 나타냅니다. 평균값의 출처를 설명해 드리겠습니다. 히트 맵은 좌표로 표시되는 2차원이며, 최적화 중인 함수에는 수백 개의 변수(측정값)가 포함될 수 있습니다. 따라서 결과는 좌표로 평균화 됩니다.
새로운 기고글 모집단 최적화 알고리즘: 파티클 스웜(PSO) 가 게재되었습니다:
이 글에서는 널리 사용되는 파티클 스웜 최적화(PSO) 알고리즘에 대해 살펴보겠습니다. 이전에는 수렴, 수렴 속도, 안정성, 확장성과 같은 최적화 알고리즘의 중요한 특성에 대해 알아보고 테스트 스탠드를 개발했으며 가장 간단한 RNG 알고리즘에 대해 알아보았습니다.
그림 2에 설명 된 시리즈의 첫 번째 기사에서와 동일한 구조를 사용하여 알고리즘을 구성할 것이기 때문에 (앞으로도 계속이 작업을 수행 할 것입니다) 알고리즘을 테스트 스탠드에 연결하는 것이 어렵지 않을 것입니다.
스탠드를 실행하면 아래와 유사한 애니메이션이 표시됩니다. 이 경우 파티클 무리가 어떻게 작동하는지 명확하게 확인할 수 있습니다. 스웜은 실제로 스웜처럼 행동합니다. 함수의 히트 맵에서 함수는 짙은 구름의 형태로 움직입니다.
기억하시겠지만 검은색 원은 함수의 글로벌 최적(최대)을 나타내고, 검은색 점은 현재 반복 시점에서 얻은 검색 알고리즘의 최적 평균 좌표를 나타냅니다. 평균값의 출처를 설명해 드리겠습니다. 히트 맵은 좌표로 표시되는 2차원이며, 최적화 중인 함수에는 수백 개의 변수(측정값)가 포함될 수 있습니다. 따라서 결과는 좌표로 평균화 됩니다.
스킨 테스트 함수의 PSO.
PSO의 포리스트 테스트 함수.
PSO의 메가시티 테스트 함수.
작성자: Andrey Dik