扩展维度空间中的低差异抽样：粒子群优化的加速技术
摘要：低差异采样在覆盖搜索空间方面比随机采样更有效。然而，现有研究不能确定低差异采样对粒子群优化(PSO)的影响是积极的还是消极的。利用Niderreiter定理，本研究对PSO进行了误差分析，发现PSO每次迭代的误差界取决于样本集在扩展维度空间中的分散度。基于这个误差分析，提出了一种在扩展维度空间中使用低差异采样的PSO类型算法加速技术。与随机采样相比，在扩展维度空间中，加速技术能生成一个具有较小分散度的低差异样本集；它还减小了每次迭代的误差，从而提高了收敛速度。加速技术与标准PSO和综合学习粒子群优化相结合，对改进算法的性能进行了比较。实验结果表明，在相同的精度要求下，两种改进算法的收敛速度显著加快。
作者：Feng Wu, Yuelin Zhao, Jianhua Pang, Jun Yan, and Wanxie Zhong
论文ID：2303.03055
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-07-04