[논문 리뷰] On enhancing efficiency and accuracy of particle swarm optimization algorithms

Silvano Chiaradonna, Félicita Di Giandomenico외 1명|arXiv (Cornell University)|2020. 04. 14.

Optimal Power Flow Distribution참고 문헌 37인용 수 6

한 줄 요약

이 논문은 퍼지 논리 기반 적응형 파rameter 제어와 베이지안 추론을 통한 개선된 위치 갱신을 통합하여 입자군집최적화(PSO)를 향상시킨다. 이로 인해 수렴 속도 향상과 정확도 향상이 이루어졌으며, 제안된 변형 알고리즘이 표준 PSO 및 기타 메타휴리스틱 알고리즘보다 전력 흐름 최적화 벤치마크에서 뛰어난 효율성과 해의 품질을 보였다. 하이브리드 지능 전략을 통해 우수한 성능을 달성하였다.

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.

연구 동기 및 목표

• 비선형 프로그래밍 문제에서 입자군집최적화(PSO)의 효율성과 정확도를 향상시키는 것.
• 파rameter 조정, 수렴 속도, 해의 품질과 관련된 표준 PSO의 한계를 해결하는 것.
• 적응형 제어와 동적 위치 갱신을 위한 퍼지 논리와 베이지안 이론을 활용한 새로운 PSO 변형을 개발하는 것.
• 실제 전력 시스템 응용 분야에서 제안된 개선 사항을 표준 PSO 및 기타 메타휴리스틱과 비교 평가하는 것.

제안 방법

• 초기 집단은 검색 공간을 상호 배타적인 간격으로 나누어, 각 간격에 하나의 입자를 할당함으로써 다양성을 확보한다.
• 가속도 상수와 관성 가중치는 수렴 추세에 따라 적응하는 퍼지 논리 기반 전략을 통해 동적으로 조정된다.
• 입자 위치 갱신은 개인 최적 및 전역 최적 위치의 불확실성을 모델링하는 베이지안 방법을 통해 계산된다.
• 베이지안 모델은 이력 위치 차이와 오차 추정치를 통합하여 속도 및 위치 갱신을 정밀하게 조정한다.
• 이 방법은 과거 성능 기반으로 탐색과 이용의 균형을 이루는 매개변수 δL|X와 δB|Y를 사용한 순차적 추정을 활용한다.
• 세 가지 개선 사항을 조합하여 두 가지 향상된 PSO 변형을 구성하고, 전력 흐름 최적화 사례 연구에서 테스트하였다.

실험 결과

연구 질문

• RQ1 퍼지 논리 기반 전략이 PSO 파arameter(관성 가중치 및 가속도 상수)의 적응형 조정에 기여하는가?
• RQ2 베이지안 추론 모델이 PSO에서 입자 위치 갱신의 정확도를 향상시키는가?
• RQ3 초기 집단 배치를 위한 검색 공간의 분할 전략이 수렴 속도와 해의 품질에 미치는 영향은 무엇인가?
• RQ4 제안된 PSO 변형이 실제 최적화 문제에서 표준 PSO 및 기타 메타휴리스틱보다 효율성과 정확도 측면에서 뛰어나게 되는가?
• RQ5 퍼지 논리와 베이지안 추론을 융합함으로써 비선형, 제약 조건이 있는 최적화 문제에서 PSO 성능에 어떤 영향을 미치는가?

주요 결과

• 제안된 PSO 변형은 전력 흐름 최적화 사례 연구에서 표준 PSO 알고리즘보다 더 빠른 수렴 속도와 높은 해의 정확도를 달성하였다.
• 퍼지 논리 기반 파arameter 적응 전략은 탐색과 이용의 균형을 효과적으로 유지하여 조기 수렴을 감소시켰다.
• 베이지안 위치 갱신 메커니즘은 이력 오차 및 위치 추세 기반으로 속도를 동적으로 조정함으로써 해의 정밀도를 향상시켰다.
• 초기 집단 분할, 퍼지 파arameter 제어, 베이지안 갱신의 조합은 기준 PSO에 비해 뚜렷한 성능 향상을 이끌어냈다.
• 유사한 벤치마크에서 제안된 향상된 PSO 변형은 다른 문헌에 기록된 메타휴리스틱 알고리즘들과 비교해도 경쟁력 있거나 우수한 성능을 보였다.
• 베이지안 갱신의 수학적 형식화, 특히 매개변수 δL|X와 δB|Y는 속도 및 위치 추정에서 안정성과 적응성을 입증하였다.