問題タブ [particle-swarm]

粒子群最適化 (PSO)のパラメーターを調整するには、オフラインとオンラインの 2 つの方法があります。オフラインの方法では、メタ最適化を使用して、別の上位オプティマイザーを使用して PSO のパラメーターを調整します。オンラインの方法では、「自己適応」という 2 つの手法があります。これは、「オプティマイザーの動作パラメーターの一部またはすべてを検索空間に追加することで構成され、目前の問題とともに最適化の対象となります」。もう 1 つの手法は、「問題の最適化中に、オーバーレイするオプティマイザーが別のオプティマイザーのパラメーターをオンラインで調整しようとするメタ適応」です。

「メタ最適化の概念。ブラックボックス オプティマイザは、別の最適化手法の適切な動作パラメータを見つけるためのオーバーレイ メタオプティマイザとしてオフラインで使用されます。これは、1 つまたは複数の実際の問題を最適化するために使用されます。」

標準の PSO では、粒子は一様乱数を使用して初期化され、これらの粒子は更新方程式を使用して更新されます。最適解は、目的関数の最適値に基づいて選択されます。

私の仕事で。トレーニング データセットと理論データセットの 2 つのデータ セットがあり、乱数の代わりにトレーニング データを使用して粒子を初期化する必要があります。

この場合、トレーニングと理論上のデータ セットを使用して PSO のパラメーターを調整するにはどうすればよいでしょうか。

また、PSO の最初のステップで最高のコストが得られ、最初のステップではパラメーターや更新方程式がないという問題があります。

機械学習法を使用してパラメータを調整することは可能ですか? これどうやってするの？

粒子群最適化 (PSO)アルゴリズムでは、一様乱数を使用する代わりに、データセットを使用して粒子の位置を初期化することは可能ですか?