Particle Swarm Optimization with Single Particle Repulsivity for Multi-modal Optimization

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F18%3A63520479" target="_blank" >RIV/70883521:28140/18:63520479 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007/978-3-319-91253-0_45" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-319-91253-0_45</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-91253-0_45" target="_blank" >10.1007/978-3-319-91253-0_45</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Particle Swarm Optimization with Single Particle Repulsivity for Multi-modal Optimization

Popis výsledku v původním jazyce

This work presents a simple but effective modification of the velocity updat-ing formula in the Particle Swarm Optimization algorithm to improve the per-formance of the algorithm on multi-modal problems. The well-known issue of premature swarm convergence is addressed by a repulsive mechanism imple-mented on a single-particle level where each particle in the population is par-tially repulsed from a different particle. This mechanism manages to prolong the exploration phase and helps to avoid many local optima. The method is tested on well-known and typically used benchmark functions, and the results are further tested for statistical significance.

Název v anglickém jazyce

Particle Swarm Optimization with Single Particle Repulsivity for Multi-modal Optimization

Popis výsledku anglicky

This work presents a simple but effective modification of the velocity updat-ing formula in the Particle Swarm Optimization algorithm to improve the per-formance of the algorithm on multi-modal problems. The well-known issue of premature swarm convergence is addressed by a repulsive mechanism imple-mented on a single-particle level where each particle in the population is par-tially repulsed from a different particle. This mechanism manages to prolong the exploration phase and helps to avoid many local optima. The method is tested on well-known and typically used benchmark functions, and the results are further tested for statistical significance.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2018

Kód důvěrnosti údajů

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

Název statě ve sborníku

Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) Volume 10841

ISBN

978-331991252-3

ISSN

03029743

e-ISSN

neuvedeno

Počet stran výsledku

8

Strana od-do

486-494

Název nakladatele

Springer Verlag

Místo vydání

Berlín

Místo konání akce

Zakopane

Datum konání akce

3. 6. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—