Controle de inércia não monotônico na otimização por enxame de partículas

Otimização Bio-inspirada Utilizando Enxame de Partículas com Aplicação em Reconhecimento de Voz

“…O algoritmo Enxame de Partículas (Particle Swarm Optimization -PSO)é um meta-algoritmo de otimização local, pois ele tenta otimizar um conjunto de valores, mas encontra frequentemente mínimos locais em vez de um mínimo global [2]. Motivado pelo comportamento social através da competição e da cooperação entre individuos, assim como na natureza, pode trazer diversos benefícios, encontrando soluções boas de forma eficiente, mantendo certa simplicidade no processo de otimização [20]. A PSO emprega uma população de partículas para realizar buscas dentro de um espaço multidimensional restrito.…”

“…O algortimo básico da Otimização por Exame de Partículas sugere que as partículas, espalhadas no espaço de busca, aproximem-se do pontoótimo desse espaço, com o peso de inércia w (fator que influencia a movimentação da partícula no espaço) decaindo monotonicamente. Como esse peso somente sofre decaimento (somente perde energia), caso haja um estacionamento das partículas em um mínimo local, não haverá meio de sair desse ponto, pois a partícula não se acelera [21], apresentando problemas para se aproximar da soluçãó otima. Para resolver este problema foi acrescentado o controle de inércia não monotônico.…”

A GMM/CPSO speech recognition system

“…The basic algorithm to implement the PSO suggests that the particles approach is the optimal point of this space with the inertia term w (factor that influence the particles movement in the space) monotonically decreasing. With this term only suffering decay (only energy loss), case there is many particles in a local minimum will not have how exit this point, because the particle cannot escape local minimums [17], so we have problems to approach of the optimum solution.…”

Uma contribuição aos projetos de transformadores via algoritmos naturais e elementos finitos

“…Os autores (PRADO; , (SILVEIRA et al, 2009) descrevem os principais conceitos referentes ao algoritmo EP, mostram que cada partícula é considerada uma possível solução do problema, onde todas as partículas são consideradas membros permanentes da população e que o algoritmo é constituído pelos vetores: velocidade e posição. A velocidade é um vetor em permanente busca de uma melhor solução, a cada iteração que tenha melhores resultados, a velocidade é atualizada e responsável por levar a partícula para uma região mais promissora.…”