基于共识的具有记忆效应的优化：随机选择和应用
摘要：通过考虑记忆效应和随机选择策略，我们拓展了共识优化（CBO）元启发式方法的类。所提算法根据社会个体之间的交互启发式地更新粒子群体的过程。共识点是根据所有粒子的过去位置计算得出的。与广受欢迎的粒子群算法（PSO）方法相比，其探索行为完全不同，能够更好地控制粒子系统的收敛性。我们讨论了一些实施方面的问题，以提高优化过程的效率并保持成功率。特别是，我们展示了通过在计算过程中采用随机选择策略来丢弃粒子，从而提高整体性能。我们使用多个基准问题以及在图像分割和神经网络训练中应用来验证和测试所提出的方法。通过对目标函数的基本假设进行理论分析，我们可以推导出收敛保证。首先，我们用连续时间动力学来近似粒子的进化，然后取该动力学的平均场极限。最终在平均场级别上证明了全局最小化的收敛性。
作者：Giacomo Borghi, Sara Grassi and Lorenzo Pareschi
论文ID：2301.13242
分类：Optimization and Control
分类简称：math.OC
提交时间：2023-08-16