A Particle Swarm Optimization Threshold Accepting Hybrid Algorithm for Unconstrained Optimization

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F13%3A86089344" target="_blank" >RIV/61989100:27240/13:86089344 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61989100:27740/13:86089344

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

A Particle Swarm Optimization Threshold Accepting Hybrid Algorithm for Unconstrained Optimization

Popis výsledku v původním jazyce

In this paper, we propose a novel hybrid metaheuristic algorithm, which integrates a Threshold Accepting algorithm (TA) with a traditional Particle Swarm Optimization (PSO) algorithm. We used the TA as a catalyst in speeding up convergence of PSO towardsthe optimal solution. In this hybrid, at the end of every iteration of PSO, the TA is invoked probabilistically to refine the worst particle that lags in the race of finding the solution for that iteration. Consequently the worst particle will be refined in the next iteration. The robustness of the proposed approach has been tested on 34 unconstrained optimization problems taken from the literature. The proposed hybrid demonstrates superior preference in terms of functional evaluations and success ratefor 30 simulations conducted.

Název v anglickém jazyce

A Particle Swarm Optimization Threshold Accepting Hybrid Algorithm for Unconstrained Optimization

Popis výsledku anglicky

In this paper, we propose a novel hybrid metaheuristic algorithm, which integrates a Threshold Accepting algorithm (TA) with a traditional Particle Swarm Optimization (PSO) algorithm. We used the TA as a catalyst in speeding up convergence of PSO towardsthe optimal solution. In this hybrid, at the end of every iteration of PSO, the TA is invoked probabilistically to refine the worst particle that lags in the race of finding the solution for that iteration. Consequently the worst particle will be refined in the next iteration. The robustness of the proposed approach has been tested on 34 unconstrained optimization problems taken from the literature. The proposed hybrid demonstrates superior preference in terms of functional evaluations and success ratefor 30 simulations conducted.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/ED1.1.00%2F02.0070" target="_blank" >ED1.1.00/02.0070: Centrum excelence IT4Innovations</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2013

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Neural Network World

ISSN

1210-0552

e-ISSN

—

Svazek periodika

23

Číslo periodika v rámci svazku

3

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

30

Strana od-do

191-221

Kód UT WoS článku

000322148400001

EID výsledku v databázi Scopus

—