知识卡片
共同引导可能压缩多样性
QPSO 每轮借个体最好和群体最好位置引导新样本;若群体反复向同一批较优位置靠拢,分布可能收缩,多峰目标上的其他区域便难再探索。这解释早熟风险,也说明为何需关注多样性。是否真的早熟取决于目标景观、吸引点和收缩参数;书中“不可避免”及“全局搜索远优于 PSO”均未给普遍证明。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 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 6 . 2 协 同 量 子 粒 子 群 优 化 · 查看原书依据
但是与标准的PSO算法一样,QPSO算法同样存在早熟的趋势,也就是当群体进化时,群体的多样性不可避免地减少。这是因为每个粒子都是通过学习自身的当前局部最优值和全局最优值进行下一步的搜索,而不管自身的信息是否有趋向局部最优的倾向。
参考来源
- 位置:《智能算法导论》第 161 项《1 6 . 2 协 同 量 子 粒 子 群 优 化》(源文件:`_epub-src/EPUB/xhtml/chapter16_0005.xhtml`)
- 结论依据:正文把早熟归因于不断学习个体与群体最好位置,并在多局部极小的搜索空间指出陷入局部最优的可能;优势和复杂度声称未作资源比较。
- 原始内容:QPSO算法同样存在早熟的趋势,也就是当群体进化时,群体的多样性不可避免地减少。