返回主题:强化学习与多智能体

知识卡片

普通读书笔记卡 · 3742.n

停滞阈值触发极值扰动

理解等级:高级

粒子群后期容易“早熟”:个体最优 pbest 和全局最优 gbest 长期不变,粒子都挤在同一处。极值扰动算子只在出现停滞时才扰动:

  • t0、tg:个体极值、全局极值连续没有进化(未改善)的步数。
  • T0、Tg:对应的停滞步数阈值。
  • 扰动算子 r3:t0 ≤ T0 时取 1;t0 > T0 时取 (0, 1) 上的均匀随机数。r4 对 tg、Tg 同理。

更新公式中用 r3·pbest、r4·gbest 代替原来的 pbest、gbest。未停滞时乘 1,等于不扰动;停滞超过阈值后乘一个随机数,把吸引点挪开,迫使粒子离开当前极值点。

示例(补充演算):设 T0 = 5。t0 = 3 时 r3 = 1,pbest 照常使用;t0 = 6 时若抽到 r3 = 0.4,粒子改为朝 0.4·pbest 的方向靠拢。

这样额外探索由“停滞”事件触发,而不是每轮无条件扰动。阈值和扰动强度仍须在具体目标函数上验证。

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 . 4 . 3 基 于 粒 子 群 算 法 的 函 数 优 化 · 查看原书依据

      胡旺等提出一种更加简化和高效的PSO算法[34],其中粒子的运动公式为: 其中,和为极值扰动算子,其中t和t分别表示个体极值和全局极值的进化停滞步数;T和Tg分别表示个体极值和全局极值需要扰动的停滞步数阈值; 0g0 表示带条件的均匀随机函数。

    参考来源

    - 位置:《智能算法导论》第 4 章“4.4.3 基于粒子群算法的函数优化”(`_epub-src/EPUB/xhtml/chapter4_0011.xhtml`,式(4-23)及两个扰动算子定义)。 - 结论依据:正文定义个体和全局极值的停滞步数及阈值;公式 SVG 把不超阈值时的乘子设为 1,超阈值时设为随机数。式(4-23)其余下标疑点不用于精确实现。T0 = 5、r3 = 0.4 的演算为依据扰动算子定义补充的教学示例,非书中数据。 - 原始内容:其中,和为极值扰动算子,其中 t 和 t 分别表示个体极值和全局极值的进化停滞步数; T 和 T g 分别表示个体极值和全局极值需要扰动的停滞步数阈值