Quantum Particle Swarm Optimization : analyse des performances pour diverses topologies de voisinage des particules

EasyChair Preprint 2515

Abstract

Développée en 1995 par Kennedy et Eberhart, Particle Swarm Optimization (PSO) est une métaheuristique à population, inspirée par les mouvements d’essaims d’oiseaux. Elle présente l’intérêt de pouvoir résoudre des problèmes non dérivables et d’être efficace dans la recherche globale. Toutefois, elle possède quelques défauts, tels qu’une faiblesse dans la recherche locale, observable lorsque la vitesse des particules est grande (défaut dû à une mauvaise adaptation des paramètres gérant la vitesse), un risque de convergence prématurée (notamment lorsque la particule globale reste immobile) ainsi qu’un paramétrage globalement difficile. Nous avions, précédemment, proposé une nouvelle variante de PSO, nommée QUAntum Particle Swarm Optimization (QUAPSO) visant à résoudre une partie de ces problèmes. Dans ce papier, nous proposons d’évaluer les performances de QUAPSO pour diverses topologies de voisinage des particules. 

Keyphrases: Algorithme auto-adaptatif, Intelligence en essaim, Optimisation par essaims particulaires

@booklet{EasyChair:2515,
  author    = {Arnaud Flori and Hamouche Oulhadj and Patrick Siarry},
  title     = {Quantum Particle Swarm Optimization: Performance analysis for various particle neighborhood topologies},
  howpublished = {EasyChair Preprint 2515},
  year      = {EasyChair, 2020}}