私は現在「粒子群最適化」でソフトコンピューティングアルゴリズムを読んでいますが、一般的な手法は理解していますが、それがどのように機能するか、または飛行にどのように影響するかを想像または理解できない数学または物理学の部分に立ち寄りました。部分は、「不活性係数」と呼ばれる速度を更新する方程式の最初の部分です。
完全な更新速度方程式は次のとおりです。
セクション2.3「不活性係数」の1つの記事を読んでください。
「アルゴリズムのこのバリエーションは、既知のソリューションの周囲の領域を利用するか、検索スペースの新しい領域を探索するかの2つの可能なPSO傾向（パラメーター化に依存）のバランスをとることを目的としています。これを行うために、このバリエーションは粒子の運動量成分に焦点を当てます。速度方程式2。このコンポーネントを削除すると、粒子の動きには前の動きの方向の記憶がなく、常に見つかった解の近くを探索することに注意してください。一方、速度コンポーネントを使用する場合、またはaw（慣性重量、運動量成分の重要性のバランスをとる）係数を掛けても、粒子は最適な解に向かって速度を簡単に変更できないため、探索空間の新しい領域を探索する傾向があります。最初に運動量を「打ち消す」必要があります。得られた、そうすることで、前の運動量を打ち消す時間で新しい領域の探索が可能になります。この変動は、前の速度成分に重み値wを掛けることによって実現されます。
しかし、これが物理的または数値的にどのように発生し、この要因が探査レベルから搾取レベルへの移行にどのように影響するかを想像することもできません。したがって、数値例を使用して、それがどのように機能するかを確認し、どのように機能するかを想像する必要があります。
また、遺伝的アルゴリズムには、GAが最適な解を見つけることに成功した証拠であるスキーマ定理があります。PSOにはそのようなアトームがあります。