返回主题:强化学习与多智能体

知识卡片

普通读书笔记卡 · 3765.b

直觉模糊熵调节粒子退火混合

理解等级:中级

IFEPSO-SA 是粒子群优化(PSO)与模拟退火的混合,两处改造各管一件事:

  • 控制种群多样性:用种群的直觉模糊熵(IFE)衡量粒子是分散还是扎堆,据此自适应调整惯性权重,并配合新的变异策略。惯性权重决定粒子在多大程度上保持原来的运动方向:权重大,粒子更倾向沿原方向继续走、探索范围更广;权重小,更快向已知好位置靠拢。
  • 改进局部最优解:对 PSO 产生的局部最优解做交叉,再用模拟退火机制选择,即较差的结果也有一定概率被保留。

熵作用于种群如何移动,退火作用于候选是否保留;结合后的效果仍须按具体问题检验。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 1 1 . 5 . 1 基 于 模 拟 退 火 算 法 的 0 - 1 背 包 问 题 · 查看原书依据

      该算法以种群的直觉模糊熵(IFE)为测量标准,设计了基于熵值的自适应惯性权重和新的变异策略,用以维持种群的多样性和控制算法的收敛程度;同时,对PSO算法产生的局部最优解进行交叉操作和基于模拟退火机制的选择操作,以得到满足更多约束条件且适应度值更好的局部最优解,从而引导算法找到更好的全局最优解。

    参考来源

    - 位置:《智能算法导论》第 118 项《11.5.1 基于模拟退火算法的0-1背包问题》(源文件:`_epub-src/EPUB/xhtml/chapter11_0013.xhtml`) - 结论依据:原文说明该方案用种群直觉模糊熵调整惯性权重与变异,并对粒子群局部最优解交叉后执行基于模拟退火的选择;书中鲁棒性和寻优能力属于所引研究的效果报告,不作普遍保证。 - 原始内容:该算法以种群的直觉模糊熵(IFE)为测量标准,设计了基于熵值的自适应惯性权重和新的变异策略;同时,对PSO算法产生的局部最优解进行交叉操作和基于模拟退火机制的选择操作。