问题标签 [particle-swarm]

我需要实现 PSO（即带电和量子 PSO）。我的问题是：

• 每个 PSO 使用什么速度更新策略（同步或异步粒子更新）
• 每个 PSO 使用什么社交网络拓扑（冯诺依曼、环、星、轮、金字塔、四个集群）

目前，这些是我的问题。您的所有帮助将不胜感激。

谢谢。

在多核机器上，java 线程调度程序的决定是相当随意的，它根据线程的创建时间、从哪个线程创建等来分配线程优先级。

这个想法是使用 pso 运行一个调整过程，该过程将随机设置线程优先级，然后最终达到最佳优先级，其中适应度函数是程序的总运行时间？

当然会有更多的参数，比如优先级会在运行期间发生变化以找到最佳优先级函数。

这个想法听起来有多实用、多有趣？和任何建议。只是一些背景知识，我已经在 java/c/c++ 中进行了几年的各种项目编程，另一种选择是在 c 中基于此创建线程调度程序，其中默认线程调度程序是操作系统。

我正在尝试粒子群优化，并试图确定以下简单场景的最佳方法：

• 优化一维函数（即粒子沿单线移动）
• 可以在线上任意点对要优化的函数进行采样
• 每个位置采样的“值”非常嘈杂
• 优化的底层函数（不包括噪声）非常简单（例如，具有单个全局最大值的金字塔，或具有不同高度的两个驼峰）

解决这个问题的最佳粒子群设计是什么，即用最少的样本有效地发现最优值？

我正在检查 R 中的简单移动平均交叉策略。我不想在 2 维参数空间（短期移动平均线的长度，长期移动平均线的长度）上运行巨大的模拟，而是想实现粒子群寻找最优参数值的优化算法。我一直在浏览网页并且读到这个算法非常有效。此外，算法的工作方式让我着迷......

你们中有人有在 R 中实现这个算法的经验吗？有没有有用的包可以使用？

非常感谢您的评论。

马丁

我知道全局最优的拓扑是针对每个粒子搜索的，并针对整个群体搜索全局的。

环，我知道有几个邻域，并搜索了一个 lbest，一个局部最优值。我的问题：整个群体中是否仍然存在全局最优值？如果不是，那么它们如何将所有不同的社区连接起来？

你能向我解释一下环形拓扑的原理或一些有用的链接吗？

我正在尝试转换本文提出的数学：

http://www.bouncingchairs.net/pskalman-lategecco.pdf

大约第 3 页向前进入工作代码。算法本身在第 6 页左右给出，但我不会说希腊语或数学；所以暂时我被困住了。

如果我理解代码，它应该像这样运行：

准备：

等式 7：

公式 8：

等式 9：

这甚至接近数学所说的吗？

提前致谢，-JW

我最近实现了 PSO 的基本算法，当提供 2 个变量（x，y）的函数时，它将返回函数在一个范围内的最小值。

现在的问题是 - 功能未知。我的 PS 将被提供数据集（数据集可能来自不同的领域——比如移动计算）。例如，让它成为以下形式的元组：(x,y,f(x,y))。[在学习阶段也提供了最佳值。] 在大约 1000 个样本数据之后，将使用另一组数据对 PS 进行测试。PS 应该返回最佳值，即给定 (x,y) 返回 f(x,y)。

在我看来，这些问题与 ANN 非常相似。我不知道该怎么做——我的 PS 应该尝试生成一个多边形吗？

我在java中使用粒子群优化（PSO）。我对我们的工作知之甚少。因为，我正在申请生物信息学中的多序列比对。

我们需要找到对齐这些序列的位置和速度。我需要关于 PSO 的详细解释和参考，以及在 PSO 中计算速度和位置的需要。如果可能的话，我需要简单的例子来解释 Java 中的 PSO。实际上，我需要了解它如何优化问题。

这是用 getter 和 setter 表示粒子位置的类

就像其他课程一样，这里也有

我希望使用粒子群优化 (PSO) 优化复杂的参数化模型对噪声数据的拟合。数据是时间序列的化学浓度值。

在我的优化目标函数中，我使用浓度时间序列分布和模型预测之间的 Bray Curtis 距离 [1] 来测量适应度（模型预测是使用与优化问题的候选解相对应的参数产生的）。

目前，我不考虑我的浓度数据的不精确性。实际上，浓度已四舍五入为整数值。我怀疑如果 PSO 例程和/或目标函数“意识到”输入数据的不精确性，我可以获得更好的 PSO 模型拟合。

我能够找到预测时间序列和数据时间序列的最小和最大 Bray Curtis 距离，但不确定如何最好地在 PSO 代码中利用这些值。

在进化优化的背景下评估候选解决方案的适用性时，是否有人对如何处理数据不精确有任何建议？

第二个问题是时间序列数据受仪器和时间误差的影响。我很高兴假设这两种类型的误差都是正态分布的并且具有不变的标准偏差，但我不再确定在量化 PSO 优化的适合度时如何最好地处理这种不确定性。

[1] http://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.distance.braycurtis.html

我正在使用粒子群优化训练 MLP 神经网络，以便使用来自 UCI 的数据集进行分类。我正在使用 PyBrain 构建 NN 和我的自定义代码来训练网络。我的问题是，我如何选择 PSO 的 Xmax、Xmin 参数（即 NN 的权重范围）？