Zusammenfassung
Die Konfiguration einer PSO ist maßgeblich für die Qualität des Optimierungsverlaufes verantwortlich. Die Belegung der Parameter ist abhängig von der unterliegenden Fitnessfunktion. Das bedeutet, dass Vorwissen zu der Funktion vorliegen muss, um eine optimale Belegung der Parameter zu finden. Auch der Grad der Konvergenz ist durch die Parameter und A-priori-Wissen zu steuern.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsNotes
- 1.
Die Klassen bilden die besten Parameterkonfigurationen für die jeweilige Fitnesslandschaft. Wir unterscheiden bei den Fitnesslandschaften zwischen flachen und hügeligen, wobei diese durch verschiedene Funktionen beschrieben werden.
- 2.
Diese Formel entspricht dem „Goldenen Schnitt“ und sorgt für eine Verteilung die zum Ausgangswert kleiner Abstände zwischen den Werten bildet.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2013 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Bogon, T. (2013). Dynamische Konfiguration der PSO. In: Agentenbasierte Schwarmintelligenz. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-02292-1_6
Download citation
DOI: https://doi.org/10.1007/978-3-658-02292-1_6
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-02291-4
Online ISBN: 978-3-658-02292-1
eBook Packages: Computer Science and Engineering (German Language)