evox.algorithms.so.pso_variants.cso

模块内容

类

CSO

基本的CSO算法。

API

class evox.algorithms.so.pso_variants.cso.CSO(pop_size: int, lb: torch.Tensor, ub: torch.Tensor, phi: float = 0.0, mean: torch.Tensor | None = None, stdev: torch.Tensor | None = None, device: torch.device | None = None)

基础: evox.core.Algorithm

基本的CSO算法。

Class Methods

• __init__: 使用给定参数初始化 CSO 算法。

• setup: 使用给定的粒子位置下限和上限初始化 CSO 算法，并设置初始种群、速度以及用于跟踪最佳局部和全局位置及适应度值的缓冲区。

• step：使用 CSO 执行单个优化步骤，更新局部最佳位置和适应度值，并根据惯性、认知和社交组件调整速度和位置。

请注意，evaluate方法在此类中未定义，它是由工作流设置的Problem.evaluate的代理函数；因此，它无法在除step之外的类方法中使用。

初始化

使用给定的参数初始化CSO算法。

参数:

• pop_size -- 种群大小。

• lb -- 粒子位置的下界。必须是一个一维张量。

• ub -- 粒子位置的上界。必须是一个一维张量。

• phi -- 惯性权重。默认值为 0.0。

• mean -- 正态分布的均值。默认为 None。

• stdev -- 正态分布的标准差。默认为 None。

• device -- 设备的使用者（设备用于存放张量的硬件）。默认为 None。

init_step()

step()

使用 CSO 进行单次优化步骤。

该函数使用CSO算法更新种群中每个粒子的位置和速度。CSO算法是一种优化算法，它结合了PSO和DE算法来搜索最佳解决方案。