Universidade Federal do ABC (UFABC) 2 Trimestre - 2008
Aula 6 2 Gustavo S. Pavani Variantes do PSO O algoritmo PSO possui boas caractersticas de exploration, mas ruim na parte de exploitation. Variantes foram propostas para acelerar o processo de colapsamento, em funo da melhoria da busca local. Problema: convergncia prematura. Melhoria do processo de exploitation pode ser atingida com algumas modificaes no algoritmo originalmente proposto. 3 Gustavo S. Pavani Variantes Peso da constante de inrcia Reduo linear da constante de inrcia Fator de constrio Inrcia dinmica e reduo da velocidade mxima Topologia Aglomeraes 4 Gustavo S. Pavani Peso da Constante de Inrcia Proposto por Shi e Eberhart, 1998. Termo de inrcia inserido no clculo da velocidade: v id (t) = e v id (t-1)+ 1 (p id - x id (t-1))+ 2 (p gd x id (t-1)) A constante de inrcia introduz uma preferncia na partcula, de forma que ela continua na mesma direo que estava indo na iterao anterior. 5 Gustavo S. Pavani Reduo linear da inrcia O valor da inrcia decrescida durante a execuo do algoritmo. Objetivo: estreitar a busca, induzindo uma mudana do modo exploration para o modo exploitation. 6 Gustavo S. Pavani Fator de constrio O clculo do termo de velocidade dado pela seguinte expresso: v id (t) = _ [ v id (t-1)+ 1 (p id - x id (t-1))+ 2 (p gd x id (t-1) ] _ = 2k / |2 sqrt( 2 4)| A varivel k pode ir de [0;1], sendo que o valor 1,0 funciona bem. = 1 + 2 . O valor de normalmente usado de 4,1. No se define constrio para s 4,0. Para = 4,1 e k = 1, temos _ ~ 0,73, de forma que h um amortecimento do termo relativo velocidade da iterao anterior e tambm dos nmeros aleatrios. Para = 5,0, temos _ ~ 0,38, ou seja, o efeito de amortecimento ser ainda maior. Resulta na convergncia da partcula com o passar das iteraes Entretanto, se p i estiver distante de p g , a busca exploratria continua. 7 Gustavo S. Pavani Inrcia dinmica e reduo da velocidade mxima Uso de inrcia dinmica na velocidade v id (t) = e(t) v id (t-1)+ 1 (p id - x id (t-1))+ 2 (p gd x id (t-1)) E limitao da velocidade mxima V max = (x UB x LB ) Se qualidade(p g (t)) > qualidade(p g (t-1)), ento e(t) = o e(t-1) e V max = | V max , sendo 0 < o,| < 1. 8 Gustavo S. Pavani Topologia A efetividade do algoritmo PSO vm da interao das partculas com seus vizinhos. Quando uma partcula descobre um timo local, ela se torna a melhor entre seus vizinhos e tambm atrada a regio tima. medida que as partculas se movem em direo ao novo timo, sua busca pode descobrir novas regies, com uma qualidade de soluo ainda maior. E a vizinhana pode acabar atraindo a partcula inicial para suas posies... Tradicionalmente: gbest: equivalente a uma rede social totalmente conectada. Normalmente, ruim para explorar vrias regies timas simultaneamente. lbest: rede social que incluem somente os vizinhos adjacentes 9 Gustavo S. Pavani Topologia: Crculo e Roda Crculo: lbest para k = 2. Roda: um indivduo conecta todos os outros. Toda informao tem que ser comunicada via o indivduo focal. Acaba funcionando como um filtro, pois evita uma convergncia prematura em um timo local. Organizao comum nas empresas e no governo. Em geral, a topologia em crculo possibilita os melhores resultados. Crculo Roda 10 Gustavo S. Pavani Aglomeraes (Clustering) Aps algumas iteraes, as partculas no sistema tendem a se concentrar em uma ou mais regies do espao de busca. Essas aglomeraes indicam a presena de timos. Re-alimentao positiva no processo de atrao. O centro dessas aglomeraes podem ser usadas como substitutos dos melhores indivduos. Esteretipo de indivduo. Pode ser usado para substituir o lbest, o gbest ou ambos. Em alguns casos, bons resultados foram alcanados com o uso de aglomeraes. 11 Gustavo S. Pavani Aplicaes do PSO Treinamento de redes neurais Identificao da doena de Parkinson Extrao de regras de de redes neurais Reconhecimento de imagens Otimizao de redes eltricas de distribuio Otimizao estrutural Projeto de forma e capacidade timas Otimizao de topologias Processos de bioqumica Identificao de sistemas biomecnicos ... 12 Gustavo S. Pavani Sumrio do algoritmo PSO Vantagens Insensvel escala das variveis Implementao razoavelmente simples Passvel de ser implementado de forma paralela para processamento concorrente No usa informao de gradiente Poucos parmetros a serem considerados Grande eficincia para busca global Desvantagens Baixa convergncia durante a fase de busca mais refinada (baixa capacidade de busca local) Necessidade de se buscar variantes ou de se hibridizar com outras tcnicas.