Jornal Internacional de Swarm Intelligence e Computação Evolutiva

Abstrato

Funções de escalonamento para atualização de posição em algoritmos de otimização baseados na população

Jeremy Mange* e Sara Pace

Em muitos algoritmos de otimização baseados na população (algoritmos evolutivos, otimização por enxame de partículas, etc.), cada iteração do algoritmo envolve um conjunto de operações específico do procedimento para cada membro da população, seguido por uma atualização resultante da posição desse membro dentro do espaço de pesquisa do problema. No entanto, para algoritmos em que estas operações envolvem apenas um único membro da população e não a população como um todo, não há necessidade inerente de atualizar cada membro a cada iteração. Neste artigo, propomos uma generalização deste procedimento de atualização em que é definida uma função de “agendamento” para ditar a ordem das atualizações através da aplicação de um algoritmo, considerando assim o procedimento típico de atualização de cada membro da população a cada iteração como uma “round” particular. -robin". Usando o algoritmo padrão Particle Swarm Optimization (SPSO-2011) como base para demonstrar o conceito, comparamos uma série de funções de escalonamento diferentes e mostramos que várias destas funções superam o escalonamento round-robin típico para um conjunto de problemas de otimização de benchmark.