我理解粒子群优化算法的工作原理并在几篇文章中已经阅读过。值得注意的是，大多数关于PSO的文章都侧重于优化单方程函数。在Pedersen的粒子群优化参数中，他给出了18个结果，这些结果来自于他对大约10个基准问题的元优化PSO，具有7个维数（从2到100）。
我想用PSO优化多层感知器。我已经在Matlab中成功完成了一些相当小的MLP，但没有我想要的那么大。 （对于单方程函数，100维度是巨大的，但它在神经网络中的重量和偏差数量是多少 - 我希望需要大约800,000个权重和偏差 - 维度 - 在我的最终节目。）
我的问题，据我所知，我无法找到一个简单的解释，说明如何选择w，c1和c2 *这样的值可以优化任何尺寸的任何功能。 （我确信它的要求太多了，但至少有一个功能，虽然它有阶梯不连续性，大规模地类似于平滑，并且没有白噪声。）
或者，对于神经网络，有没有任何元优化的PSO？
答案 0 :(得分：1)
在所有类型的基于人口的方法中，如何选择参数的问题是一个具有挑战性的问题。它主要通过测试多组参数然后为任务选择最佳集合来完成。幸运的是，PSO的目标是收敛到最佳位置，而Engelbrecht已经证明并非所有参数集合都能收敛。 Here是一篇有解释的论文。 收敛条件列于第945和947页。我确定您还可以找到幻灯片中列出的参考文献中发布的论文。除了这种缩小之外，您只需找到适合您特定问题的探索和开发平衡。
另外，我想告诉您，根据我使用PSO进化神经网络的经验，只要您使用一般的反向传播方法，只要您的数据是静态的，就没那么有效了。如果您在动态环境中工作，则量子/带电PSO是更好的选择。
我希望这会缩小您对参数的搜索范围，并为您提供一些额外的见解。
编辑：
用带有类似图表的纸张替换链接 注意：
包含图表的论文：
＆＃34;粒子群优化粒子轨迹的研究＆＃34; F. van den Bergh，A.P。Engelbrecht