[論文レビュー] On enhancing efficiency and accuracy of particle swarm optimization algorithms

Silvano Chiaradonna, Félicita Di Giandomenico+1 more|arXiv (Cornell University)|Apr 14, 2020

Optimal Power Flow Distribution参考文献 37被引用数 6

ひとこと要約

本稿では、粒子群最適化（PSO）を、適応的パrameter制御のためのファジィ論理と、位置更新の改善のためのベイズ推論を統合することで強化している。その結果、収束速度が向上し、精度も向上した。提案された変種は、電力系統最適化ベンチマークにおいて、標準PSOおよび他のメタヒューリスティクスを上回り、ハイブリッド知能戦略による優れた効率性と解の品質を示している。

ABSTRACT

The particle swarm optimization (PSO) algorithm has been recently introduced in the non--linear programming, becoming widely studied and used in a variety of applications. Starting from its original formulation, many variants for improvement and specialization of the PSO have been already proposed, but without any definitive result, thus research in this area is nowadays still rather active. This paper goes in this direction, by proposing some modifications to the basic PSO algorithm, aiming at enhancements in aspects that impact on the efficiency and accuracy of the optimization algorithm. In particular, variants of PSO based on fuzzy logics and Bayesian theory have been developed, which show better, or competitive, performances when compared to both the basic PSO formulation and a few other optimization algorithms taken from the literature.

研究の動機と目的

• 非線形プログラミング問題における粒子群最適化（PSO）の効率性と正確性を向上させること。
• パrameterチューニング、収束速度、解の品質に関する標準PSOの限界を解消すること。
• ファジィ論理とベイズ理論を用いて、適応的制御と動的位置更新を実現する新たなPSO変種を開発すること。
• 提案された強化手法を、現実の電力系統応用における標準PSOおよび他のメタヒューリスティクスと比較して評価すること。

提案手法

• 初期集団は、探索空間を互いに素な区間に分割し、各区間ごとに1つの粒子を割り当てることで設定され、多様性が保証される。
• 加速定数と慣性重みは、収束傾向に応じて適応的に調整されるファジィ論理ベースの戦略によって動的に制御される。
• 粒子の位置更新は、個々の最良およびグローバル最良位置の不確実性をモデル化するベイズアプローチによって計算される。
• ベイズモデルは、歴史的な位置差分と誤差推定値を組み込んで、速度と位置の更新を精緻化する。
• パラメータ δL|X と δB|Y を用いた再帰的推定が行われ、過去のパフォーマンスに基づいて探索と活用のバランスをとる。
• 3つの改善策を組み合わせた2つの強化PSO変種が構築され、電力系統最適化のケーススタディでテストされた。

実験結果

リサーチクエスチョン

• RQ1 ファジィ論理ベースの戦略は、PSOのパrameter（慣性重みと加速定数）の適応的チューニングを改善できるか？
• RQ2 ベイズ推論モデルは、PSOにおける粒子位置更新の正確性を向上させられるか？
• RQ3 初期集団の配置にための探索空間の分割は、収束速度と解の品質にどのような影響を与えるか？
• RQ4 提案されたPSO変種は、実世界の最適化問題において、標準PSOおよび他のメタヒューリスティクスを上回る効率性と正確性を示せるか？
• RQ5 ファジィ論理とベイズ推論のハイブリダイゼーションは、非線形かつ制約付き最適化におけるPSO性能にどのような影響を与えるか？

主な発見

• 提案されたPSO変種は、電力系統最適化のケーススタディにおいて、標準PSOアルゴリズムに比べてより速い収束と高い解の正確性を達成した。
• ファジィ論理ベースのパrameter適応戦略は、探索と活用のバランスを効果的にとることで、早期収束を低減した。
• ベイズ位置更新機構により、歴史的誤差と位置トレンドに基づいて速度を動的に調整することで、解の精度が向上した。
• 初期集団の分割、ファジィパrameter制御、ベイズ更新の組み合わせにより、ベースラインPSOに比べて顕著な性能向上が達成された。
• 同じベンチマークにおいて、文献に登場する他のメタヒューリスティクスアルゴリズムと比較しても、強化PSO変種は競争的または優れた性能を示した。
• パラメータ δL|X と δB|Y を含むベイズ更新の数式的定式化は、速度と位置推定において安定性と適応性を示した。