A Proposal of Particle Swarm Optimization with Diversive Curiosity

摘要

様々な最適化問題を効率的に解くために，粒子群最適化探索において局所探索と大域探索のバランスをどのように取るかが重要かつ注目な課題である。本稿では探索過程における初期収束問題を処理するため，拡散的好奇心付き粒子群最適化（PSO/DC），すなわち拡散的好奇心のメカニズムをPSOに導入するという新たなアルゴリズムを提案する。ここでの基本アイデアは，探索中の粒子群の動き状態をチェックできるインジケーターを設置し，一旦ローカルミニマムに陥ると，粒子群が自発的に再初期化して他の新たな解を探し始めることである。本提案法PSO/DCの2次元最適化問題への適用によりその有効性が検証された。最適解発見の成功率についてEPSOによって最適化されたPSOの性能60％に対して本提案法の性能90％であることが得られた。%How to keep a balance between exploitation and exploration in Particle Swarm Optimization (PSO) search for efficiently solving various optimization problems is an important and remarkable issue. In order to handle the premature convergence problem in search process, this paper proposes a novel algorithm, called Particle Swarm Optimization with Diversive Curiosity (PSO/DC), that introduces a mechanism of diversive curiosity into PSO. A crucial idea here is to set up an indicator that can check the status of behaviors of swarm particles in search for preventing premature convergence, and when swarm particles dropped into a local minimum, they will be spontaneously reinitialized to start on finding other new solutions. Applications of the proposed method to a 2-dimensional optimization problem well demonstrate its effectiveness. The obtained results indicate that the performance (90%) of the proposal is superior in success ratio for reaching an optimal solution to the performance (60%) of the PSO optimized by EPSO.