Optimisation Multi-essaim
L’optimisation Multi-essaim est une variante de l’optimisation en essaim de particules (PSO) basée sur l'utilisation de plusieurs sous-essaims au lieu d'un essaim (standard).
Dans l'optimisation multi-essaims, l'approche générale est que chaque sous-essaim se concentre sur une région spécifique, tandis qu'une méthode de diversification spécifique décide du lieu et du moment du lancement des sous-essaims. Le framework multi-swarm est spécialement conçu pour l'optimisation de problèmes multimodaux, lorsqu'il existe plusieurs optima (locaux). En ce qui concerne les problèmes multimodaux, il est important de parvenir à un équilibre efficace entre exploration et exploitation. Les systèmes multi-essaims offrent une nouvelle approche pour améliorer cet équilibre. Au lieu d'essayer de trouver un compromis entre exploration et exploitation susceptible d'affaiblir les deux mécanismes du processus de recherche, les systèmes multi-essaims les séparent en plusieurs phases.
Chaque phase est davantage axée sur son exploitation (sous-essaims individuels) ou son exploration (méthode de la diversification).
La coordination des sous-essaims dépend de la ou des méthodes de diversification spécifiques mises en œuvre par le système à plusieurs essaims. Onde de Swarm de particules (WOSP), par exemple les bases de son mécanisme de diversification de la "collision" des particules. Lorsque les particules deviennent trop importantes, elles sont expulsées par une force à courte portée vers de nouvelles vagues / sous-essaims, évitant ainsi une convergence complète. L'optimiseur dynamique d'essaims à essaims multiples (DMS-PSO) regroupe périodiquement les particules des sous-essaims (après leur convergence) en de nouveaux essaims, les nouveaux essaims sont démarrés avec les particules des essaims précédents. Essaim de criquets s sont basés sur une « dévorer et passer à autre chose » stratégie - après un sous-essaim « dévore » une région relativement petite de l'espace de recherche (pour trouver un optimum local) éclaireurs sont déployés pour rechercher de nouvelles régions prometteuses aller de l'avant".
Une caractéristique distinctive des sous-essaims est que leurs positions et vitesses initiales ne sont pas sélectionnées aléatoirement comme dans les essaims normaux. Au lieu de cela, ils conservent certaines informations provenant des trajectoires précédentes des particules. En général, le développement de systèmes multi-essaims conduit à des décisions de conception qui n'existaient pas lors du développement initial de l'optimisation de l'essaim de particules, telles que le nombre de particules à utiliser dans chaque sous-essaim, la valeur optimale du facteur de constriction et les effets des positions initiales et des vitesses initiales non aléatoires.
Ces décisions de conception ont été minutieusement étudiées et reposent sur des directives bien établies - par exemple, l'utilisation de positions initiales et de vitesses initiales non aléatoires conduit à de meilleurs résultats dans les systèmes à essaims multiples, ce qui n'est pas le cas des essaims uniques. D'autres décisions de conception, telles que la méthode de diversification à utiliser ou la stratégie de recherche spécifique qui sélectionnera les positions et vitesses initiales d'un sous-essaim, ont des directives moins bien établies et constituent des questions ouvertes dans le domaine des systèmes à plusieurs essaims.
Certaines de ces décisions de conception peuvent être traitées par des sous-composants relativement indépendants qui permettent d’insérer différentes techniques d’optimisation. Les systèmes multi-essaims fournissent donc un cadre utile pour le développement d’algorithmes hybrides. Par exemple, le système multi-essaims UMDA-PS O combine efficacement des composants issus de l'optimisation d'essaims de particules, de l’estimation de l'algorithme de distribution et de l’évolution différentielle en un hybride multi-essaim.
