الگوریتم PSO
بهینه سازی ازدحام ذرات
Particle Swarm Optimization
الگوریتم بهینه سازی ازدحام ذرات (PSO)، که به نام الگوریتم پرندگان نیز مشهور است، یک خانواده از روش‌های هوش جمعی و یکی از الگوریتم های موفق در زمینه بهینه سازی پیوسته و گسسته می باشد. این روش بهینه سازی اولین بار در سال 1995 و با الهام از رفتار جمعی پرندگان و ماهی‌ها و بکارگیری مفاهیم الگوریتم‌های تکاملی, معرفی شد. الگوریتم بهینه سازی ازدحام ذرات مشابه با الگوریتم های تکاملی یک الگوریتم جمعیتی بوده که در آن تعدادی ذره که راه حل های کاندیدای یک تابع یا یک مسئله هستند، یک ازدحام (جمعیت) را تشکیل می‌دهند. این ذرات در فضای مسئله حرکت کرده و براساس تجربیات فردی خود و تجربیات جمعی سعی می‌کنند تا راه حل بهینه در فضای جستجو را بیابند. این روش بوسیله ابعاد و غیرخطی بودن مسئله خیلی تحت تأثیر قرار نگرفته و نتایج خوبی در محیط‌های استاتیک, نویزی و محیط های بطور پیوسته در حال تغییر می‌گیرد. این ویژگی‌ها به علاوه سادگی پیاده‌سازی، عدم الزام بر پیوستگی تابع هدف و توانایی وفق دادن به محیط پویا باعث شده که این الگوریتم در حوزه‌های بسیار مختلفی بکار برده شود.
جهت دریافت فایل
PowerPoint
و فایل صوتی تصویری:
SWF
به آدرس زیر ایمیل بزنید.
stubartar11@gmail.com
