Cooperative Coevolutionary Particle Swarms using Fuzzy Logic for Large Scale Optimization

• Fabiola Patricia Paz ^[1] ; Guillermo Leguizamón ^[2] ; Efrén Mezura-Montes ^[3]
  1. [1] Universidad Nacional de Jujuy

     Universidad Nacional de Jujuy

     Argentina

     
  2. [2] Universidad Nacional de San Luis

     Universidad Nacional de San Luis

     Argentina

     
  3. [3] Universidad de Veracruz, Mexico

  Mostrar afiliaciones +
• Localización: Journal of Computer Science and Technology, ISSN-e 1666-6038, Vol. 21, Nº. 2, 2021
• Idioma: inglés
• Títulos paralelos:
  • Cúmulo de Partículas Coevolutivo Cooperativo usando Lógica Borrosa para la Optimización a Gran Escala
• Enlaces
  • Texto completo
• Resumen
  • español

    Un marco coevolutivo cooperativo puede mejorar el rendimiento de los algoritmos de optimización en problemas a gran escala. En este trabajo, proponemos un nuevo algoritmo coevolutivo cooperativo para mejorar nuestro trabajo preliminar, FuzzyPSO2. Esta nueva propuesta, denominada CCFPSO, utiliza la técnica de agrupación aleatoria que cambia el tamaño de los subcomponentes en cada generación. A diferencia de FuzzyPSO2, la reinicialización de las variables de CCFPSO, sugerida por el sistema difuso, se realizaron sobre las partículas con los peores valores de fitness. Además, en lugar de actualizarlas partículas basándose en la mejor partícula global, CCFPSO se actualizó considerando la mejor partícula personal y la mejor partícula del vecindario. Esta propuesta se probó en problemas a gran escala que se asemejan a los del mundo real (CEC2008, CEC2010),donde el rendimiento de CCFPSO fue favorable en comparación con otras versiones de PSO del estado del arte, a saber, CCPSO2, SLPSO y CSO. Los resultados experimentales indican que el uso de un enfoque PSO coevolutivo cooperativo con un sistema de lógica difusa puede mejorar los resultados en problemas de alta dimensionalidad (de 100 a 1000variables).

  • English

    A cooperative coevolutionary framework can improve the performance of optimization algorithms on large-scale problems. In this paper, we propose a new Cooperative Coevolutionary Coevolutionary algorithm based on our preliminary work FuzzyPSO2. This new proposal, called CCFPSO, uses a variable decomposition method, adopting the random grouping technique and a dynamic subcomponent size at each generation. Unlike FuzzyPSO2, in CCFPSO the re-initialization of the variables suggested by the fuzzy system is performed on the particles that has the worst fitness value in each generation. Moreover, the particles are updated based on their best position and its neighborhoods, instead of the best particle in the population as its standard version. On high-dimensional problems that more closely resemble real-world problems (CEC2008, CEC2010) the performance of CCFPSO is favorable compared to other state-of-the-art PSO versions such as CCPSO2, SLPSO and CSO. The results indicate that using a Cooperative Coevolutionary PSO approach with a fuzzy logic system can improve results on high dimensionality problems (100 to 1000 variables).