返回主题:强化学习与多智能体

知识卡片

结构图卡 · 3742.g

协同粒子群分维搜索

理解等级:高级

协同粒子群用来应对高维问题的“维数灾难”(维度越多,搜索空间膨胀越快):

  1. 把 n 维解向量拆成 n 个一维分量,种群也拆成 n 个粒子群,每群只负责优化一个分量。
  2. 每次迭代中,各群独立更新自己的粒子,群之间不共享信息。
  3. 计算适应度时,把各分量拼回完整的 n 维向量,再代入原目标函数。

效果有两面:每群只做一维搜索,原书称它相当于局部学习策略,收敛精度高于基本粒子群;但存在明显的“启动延迟”,即演化初期收敛偏慢,而且粒子群数目越多越慢。变量之间强耦合时,拆分方式和跨群协调需要另行验证。

结构图:

flowchart LR
  A[n维候选解] --> B[拆成n个一维分量]
  B --> C[各粒子群分别更新]
  C --> D[合成完整向量]
  D --> E[计算目标函数适应度]
  E --> C
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

    • 4 . 2 . 2 改 进 粒 子 群 算 法 · 查看原书依据

      计算适应度时,将分量合成一个完整的向量,组成n维向量并代入适应度函数计算适应度值。这种协同PSO算法有明显的“启动延迟”(start-up delay)现象,在演化初期,收敛速度偏慢。粒子群数目越大,收敛越慢。

    参考来源

    - 位置:《智能算法导论》第 4 章“4.2.2 改进粒子群算法”(`_epub-src/EPUB/xhtml/chapter4_0005.xhtml`)。 - 结论依据:正文说明 n 维向量拆成 n 个一维向量,每群优化一个分量,计算适应度时重新合成,并指出启动延迟。 - 原始内容:计算适应度时,将分量合成一个完整的向量,组成 n 维向量并代入适应度函数计算适应度值。这种协同PSO算法有明显的“启动延迟”(start-up delay)现象,在演化初期,收敛速度偏慢。