粒子群优化及其核扩展的贝叶斯解释
摘要：粒子群优化是解决困难优化问题的一种流行方法。已经有人试图用正式的概率或随机术语（例如裸体粒子群优化）来阐述该方法，以实现更广泛的应用并解释该方法的实际行为。在这里，我们提出了粒子群优化的贝叶斯解释。这种解释为将先验知识纳入所解决问题的形式框架提供了正式支持。此外，它还允许通过使用代表数据转化为不同空间的核函数来扩展粒子优化方法，预期优化问题在该空间中较容易解决，这种转换可以看作是有关优化问题性质的先验知识的一种形式。我们从一般的贝叶斯公式推导出了常用的粒子群优化方法作为特殊情况。
作者：Peter Andras
论文ID：1211.3845
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2012-11-19