Multi-Swarm PSO with Success-History Based Adaptive Local Search for Dynamic Environments : доклад, тезисы доклада

Stanovov Vladimir; Akhmedova Shakhnaz; Vakhnin Aleksei; Sopov Eugene; Semenkin Eugene

Дополнительные ссылки: eLibrary · Источник статьи

База данных: Каталог библиотеки СФУ

Библиографическое описание: Multi-Swarm PSO with Success-History Based Adaptive Local Search for Dynamic Environments : доклад, тезисы доклада / V. V. Stanovov [et al.]. - [S. l. : s. n.], 2022. - Текст : непосредственный // HYBRID METHODS OF MODELING AND OPTIMIZATION IN COMPLEX SYSTEMS : Proceedings of the International Workshop “Hybrid methods of modeling and optimization in complex systems” (HMMOCS 2022) / Krasnoyarsk Regional Science and Technology City Hall, Russia Siberian Federal University, Reshetnev Siberian State University of Science and Technology ; International Workshop “Hybrid methods of modeling and optimization in complex systems” (HMMOCS 2022) (2022 ; 22.11 - 24.11 ; Krasnoyarsk). - London, United Kingdom : European Proceedings, 2022. - P. 186-193. - ISBN 9781802969603, DOI 10.15405/epct.23021.23.

Аннотация: In this paper, a success-history based parameter adaptation is proposed for the local search procedure used in particle swarm optimization algorithm with multiple swarms. The proposed modified version of the mQSO algorithm is considered within the generalized moving peaks dynamic optimization benchmark set. For the experiments, a set of 12 benchmark problems are chosen from the CEC 2022 competition on dynamic optimization. The experiments involving parameter sensitivity analysis have shown that the adaptive local search with particles generated next to the global best of each swarm with normal distribution allows improving the overall performance of the algorithm in terms of current error and best error before each environment change. An additional set of experiments with increased shifts of peaks between environmental changes has been performed to test the influence of the initial settings of local search with quantum or normally distributed particles. The results have shown that applying adaptive sampling width for normal distribution allows improving performance in cases of bad choice of population size or number of local search particles on every iteration.

Год издания: 2022

Авторы: Stanovov Vladimir , Akhmedova Shakhnaz, Vakhnin Aleksei , Sopov Eugene , Semenkin Eugene

Издательство: European Proceedings, London, United Kingdom

Источник: HYBRID METHODS OF MODELING AND OPTIMIZATION IN COMPLEX SYSTEMS

Номера страниц: 186-193

Держатель оригинала документа: Reshetnev Siberian University of Science and Technology, Siberian Federal University

Мероприятие: International Workshop “Hybrid methods of modeling and optimization in complex systems” (HMMOCS 2022) (Krasnoyarsk, 2022 ; 22.11 - 24.11)

Количество экземпляров:

Твёрдая копия издания отсутствует в фонде библиотеки

Показать дополнительные сведения

A Hybridization of Local and Global Search for Dynamic Multi-Objective Optimization Problem : доклад, тезисы доклада

Rurich Maria и др.
2022 год

Generalized lehmer mean for success history based adaptive differential evolution : доклад, тезисы доклада, статья из…

Stanovov V. и др.
2019 год

Automatic Design of Fuzzy Controller for Rotary Inverted Pendulum with Success-History… : доклад, тезисы доклада

Stanovov V. и др.
2019 год

Adaptive Differential Evolution with Two Populations of New and Best Individuals : доклад, тезисы доклада

Stanovov Vladimir и др.
2022 год

Generalized Lehmer Mean for Success History based Adaptive Differential Evolution : материалы временных коллективов

Stanovov Vladimir и др.
2019 год

Investigation into the efficiency of different bionic algorithm combinations for a COBRA… : доклад, тезисы доклада

Akhmedova Sh.A. и др.
2017 год

The task of setting the parameters of metaheuristic optimization algorithms : доклад, тезисы доклада, статья из…

Lugovaya N.M. и др.
2019 год

Модифицированный алгоритм роя частиц в задачах компоновки модулей отказоустойчивых… : доклад, тезисы доклада

Ковалев И.В. и др.
2022 год

НОВЫЙ АДАПТИВНЫЙ ГИБРИДНЫЙ ПОПУЛЯЦИОННЫЙ АЛГОРИТМ ДЛЯ РЕШЕНИЯ ЗАДАЧ ДИНАМИЧЕСКОЙ ОПТИМИЗАЦИИ : доклад, тезисы доклада

Ахмедова Ш. А. и др.
2022 год

Improving the Quantum Multi-Swarm Optimization with Adaptive Differential Evolution for Dynamic… : научное издание

Stanovov V. и др.
2022 год

Анализ применимости алгоритма роя частиц к задачам синтеза систем мониторинга траектории… : доклад, тезисы доклада

Ковалев И.В. и др.
2022 год

Soft island model for population-based optimization algorithms : научное издание

Akhmedova S. и др.
2018 год

EXPLORATION OF PARTICLE SWARM ALGORITHM IMPROVEMENT : научное издание

Ma Zhanjun
2020 год

Biased parameter adaptation in differential evolution : научное издание

Stanovov V. и др.
2021 год

Genetic algorithm with success history based parameter adaptation : доклад, тезисы доклада

Stanovov V. и др.
2019 год

Differential evolution with linear bias reduction in parameter adaptation : научное издание

Stanovov V. и др.
2020 год

Библиотечно-издательский комплекс СФУ

Multi-Swarm PSO with Success-History Based Adaptive Local Search for Dynamic Environments : доклад, тезисы доклада
доклад, тезисы доклада, статья из сборника материалов конференций

Похожие публикации