TRUNG THANH NGUYEN - Academia.edu (original) (raw)
Uploads
Papers by TRUNG THANH NGUYEN
IEEE Transactions on Systems, Man, and Cybernetics, 2012
Particle swarm optimization (PSO) has been shown as an effective tool for solving global optimiza... more Particle swarm optimization (PSO) has been shown as an effective tool for solving global optimization problems. So far, most PSO algorithms use a single learning pattern for all particles, which means that all particles in a swarm use the same strategy. This monotonic learning pattern may cause the lack of intelligence for a particular particle, which makes it unable to deal with different complex situations. This paper presents a novel algorithm, called self-learning particle swarm optimizer (SLPSO), for global optimization problems. In SLPSO, each particle has a set of four strategies to cope with different situations in the search space. The cooperation of the four strategies is implemented by an adaptive learning framework at the individual level, which can enable a particle to choose the optimal strategy according to its own local fitness landscape. The experimental study on a set of 45 test functions and two real-world problems show that SLPSO has a superior performance in comparison with several other peer algorithms.
☒ Các lãnh đạo và nhân viên tại hiện trường dù có ý thức về cải tiến, nhưng không bi... more ☒ Các lãnh đạo và nhân viên tại hiện trường dù có ý thức về cải tiến, nhưng không biết bắt đầu từ đâu và cách thực hiện như thế nào? ☒ Bạn mong muốn loại bỏ các "Lãng phí" dễ dàng nhận ra tại hiện trường, nhưng kết quả không như mong đợi. ☒ Không có cơ hội để tham gia các khóa học tập trung về kiến thức và các công cụ hữu ích cho hoạt động cải tiến.
IEEE Transactions on Systems, Man, and Cybernetics, 2012
Particle swarm optimization (PSO) has been shown as an effective tool for solving global optimiza... more Particle swarm optimization (PSO) has been shown as an effective tool for solving global optimization problems. So far, most PSO algorithms use a single learning pattern for all particles, which means that all particles in a swarm use the same strategy. This monotonic learning pattern may cause the lack of intelligence for a particular particle, which makes it unable to deal with different complex situations. This paper presents a novel algorithm, called self-learning particle swarm optimizer (SLPSO), for global optimization problems. In SLPSO, each particle has a set of four strategies to cope with different situations in the search space. The cooperation of the four strategies is implemented by an adaptive learning framework at the individual level, which can enable a particle to choose the optimal strategy according to its own local fitness landscape. The experimental study on a set of 45 test functions and two real-world problems show that SLPSO has a superior performance in comparison with several other peer algorithms.
☒ Các lãnh đạo và nhân viên tại hiện trường dù có ý thức về cải tiến, nhưng không bi... more ☒ Các lãnh đạo và nhân viên tại hiện trường dù có ý thức về cải tiến, nhưng không biết bắt đầu từ đâu và cách thực hiện như thế nào? ☒ Bạn mong muốn loại bỏ các "Lãng phí" dễ dàng nhận ra tại hiện trường, nhưng kết quả không như mong đợi. ☒ Không có cơ hội để tham gia các khóa học tập trung về kiến thức và các công cụ hữu ích cho hoạt động cải tiến.