IOHxplainer

新框架增强了粒子群优化算法的可解释性

研究人员开发了一个新框架，以提高粒子群优化（PSO）算法的可解释性。该框架使用探索性景观分析（ELA）来表征问题难度，并采用决策树和随机森林等机器学习分类器来预测最优超参数配置。此外，它还集成了IOHxplainer和搜索轨迹网络（STN）等工具来分析时间收敛和空间导航，引入了新的指标来量化搜索组织和效率。该研究在各种基准函数和拓扑结构上进行，旨在揭开PSO的“黑箱”性质，并为群体智能系统提供更大的透明度。