v增大,算法收敛速度加快,但可能造成“早熟”(即未达到最优解就终止算法);
惯性权重w增加,算法探索的“积极性”增加可避免“早熟”,但这会降低算法的收敛速度;
速度跟新公式中加入随机项,是为了平衡收敛速度与“早熟”;
粒子fitness function由确定适合值以判断位置的好坏;
粒子群算法的精度,不一定是哪个参数越大/越小越好,关键在于参数之间的配合;
粒子数目N增加,不一定能提升算法精度。
v增大,算法收敛速度加快,但可能造成“早熟”(即未达到最优解就终止算法);
惯性权重w增加,算法探索的“积极性”增加可避免“早熟”,但这会降低算法的收敛速度;
速度跟新公式中加入随机项,是为了平衡收敛速度与“早熟”;
粒子fitness function由确定适合值以判断位置的好坏;
粒子群算法的精度,不一定是哪个参数越大/越小越好,关键在于参数之间的配合;
粒子数目N增加,不一定能提升算法精度。