Swarm algorithms with chaotic jumps applied to noisy optimization problems

Mendel, Eduardo; Krohling, Renato A.; Campos, Mauro

doi:10.1016/j.ins.2010.06.007

Cited by 33 publications

(9 citation statements)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…These properties of Mðx; pÞ are exploited to enhance the diversity of the search space in this proposed modi¯ed GSA. Considering the fact that chaotic search is e±cient within a small range of radius, 59 the position x d i is computed as follows:…”

Section: Chaotic Gsamentioning

confidence: 99%

Gravitational Search Algorithm and Its Variants

Siddique

Adeli

2016

Int. J. Patt. Recogn. Artif. Intell.

View full text Add to dashboard Cite

Gravitational search algorithm (GSA) is a nature-inspired conceptual framework with roots in gravitational kinematics, a branch of physics that models the motion of masses moving under the in°uence of gravity. In GSA, a collection of objects interacts with each other under the Newtonian gravity and the laws of motion. The performances of objects are measured by masses. All these objects attract each other by the gravity force, while this force causes a global movement of all objects toward the objects with heavier masses. The position of the object corresponds to a solution of the problem. The positions of the objects are updated every iteration and the best¯tness along with its corresponding object is stored. Heavier masses move slowly than lighter ones. The algorithm terminates after a speci¯ed number of iterations after which the best¯tness becomes the global¯tness for a particular problem and the positions of the corresponding object becomes the global solution of that problem. This paper presents a review of GSA and its variants.

show abstract

Section: Chaotic Gsamentioning

confidence: 99%

Gravitational Search Algorithm and Its Variants

Siddique

Adeli

2016

Int. J. Patt. Recogn. Artif. Intell.

View full text Add to dashboard Cite

show abstract

“…Matematicamente, uma variável caótica é aleatória e imprevisível, mas também possui um elemento de regularidade [9]. Em [20] A equação da velocidade para o CPSO com a inclusão do número caótico Cr gerado pelo Mapa Logístico com valor de k=4 em substituição aos números randômicos fica então da seguinte forma:…”

Section: B Chaotic Particle Swarm Optimization -Cpsounclassified

Uma nova abordagem híbrida do algoritmo de Otimização por Enxame de Partículas com Busca Local Iterada para o problema de Clusterização de Dados

Filho¹,

Martinhon²,

Cabral³

2016

Anais Do 11. Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

RESUMOClusterização ou Agrupamento de Dados é uma das técnicas mais conhecidas em Mineração de Dados. Um problema de Clusterização consiste em agrupar objetos de uma base de dados em grupos de objetos similares de acordo com um conjunto de características. Para resolver este problema propomos uma nova abordagem híbrida do uso das metaheurísticas PSO (Particle Swarm Optimization) e ILS (Iterated Local Search) Este trabalho propõe a criação de uma nova abordagem para o uso do algoritmo CPSO na Clusterização de Dados. Nesta versão, utiliza-se um número caótico para gerar o índice do vetor que guarda os valores do componente inercial w. A principal inovação desta variação do CPSO é a utilização de uma estratégia de aceleração utilizando outra meta-heurística, o ILS, para acelerar a convergência do CPSO. A técnica de busca local utilizada no ILS é o algoritmo K-Means.Os resultados de testes feitos com a utilização de cinco bases de dados reais com diferentes problemas de Clusterização demonstram que a versão proposta é superior às encontradas na literatura, tais como K-Means, PSO, K-PSO, CPSO, ACPSO [8;10;11] e ILS-KM. II. CLUSTERIZAÇÃO DE DADOSClusterização de Dados é o processo que visa reunir vetores multidimensionais em grupos, tendo em vista obter a maior similaridade dentro de cada grupo. Esta técnica também conhecida como Agrupamento de Dados é uma das mais conhecidas em Mineração de Dados. Segundo [12;13], Clusterização é a classificação não-supervisionada de dados, formando agrupamentos ou clusters. Ela representa uma das principais etapas de processos de análise de dados, denominada análise de clusters. Um Problema de Clusterização consiste em dado uma base de dados X, agrupar (clusterizar) os n elementos ou objetos de X de modo que objetos mais similares fiquem no mesmo cluster e objetos menos similares sejam alocados para clusters distintos. Para medir a similaridade entre elementos de um mesmo cluster a métrica mais utilizada é a distância entre eles, quanto mais próximo mais similar e vice-versa. As

show abstract

“…The acceleration of the object i, a d i (t), at time t and in the dth direction, is given as Eq. (4): good dynamical behavior [3,24,27,30,50]. In this paper, we use a piecewise linear chaotic map as denoted in (12):…”

Section: Gravitational Search Algorithm (Gsa)mentioning

confidence: 99%

“…We abbreviate this chaotic map within range [0,1] as PWL (0, 1). Based on the fact that chaotic search is efficient in a small range of radius defined [24,27,30,50], chaotic local search for a solution can be executed in a small range near current location and global best position, respectively. In this paper, masses take chaotic steps within a dynamically reducing range near the global best of the whole space, as determined by Eqs.…”

Section: Gravitational Search Algorithm (Gsa)mentioning

confidence: 99%