s
19 708 Pages

Particle Swarm Optimization
Exemple de fonctionnement du PSO

en informatique, la optimisation par essaim de particules (PSO), Traduit par « l'optimisation des essaims de particules », il est algorithme optimisation et appartient à une classe particulière d'algorithmes utilisés dans divers domaines, y compris le 'intelligence artificielle. Il est une méthode heuristique La recherche et l'optimisation, inspiré par le mouvement de la essaims.

A chaque itération, l'algorithme identifie un nouveau « excellent candidat » dans l'espace de recherche, basé sur une mesure spécifique de la qualité (condition physique). Le PSO est nell'egida partie de méta-heuristiques, car il ne fait aucune hypothèse sur le problème et permet l'exploration des solutions baggy espace. Comme il est structuré l'algorithme, cependant, il n'y a aucune garantie que la solution ne sera jamais trouvée.

L'algorithme n'utilise un gradient dans le cadre de l'optimisation, il est donc pas nécessaire du problème distinction à analyser, ce qui est le cas dans les méthodes d'optimisation traditionnelles telles que descente de gradient. Pour cette raison, il peut être utilisé avec succès dans les problèmes d'optimisation irrégulière, bruyants, variables dans le temps, et ainsi de suite.

Le PSO optimise un problème en utilisant une population de solutions candidates (appelées « particules », la particule) Déplacement dans l'espace de recherche basé sur des formules simples, qui tiennent compte de leur quart de travail de puissance à vitesse, leur connaissance du centre de remise en forme (ce qui est la meilleure solution que j'ai exploré jusqu'à présent) et le partage des connaissances (à savoir le meilleur solution identifiée) générale. L'algorithme permet de peser ces trois composantes (inertie, cognitif et social) et utilise des petites vacillement aléatoire pour réduire au minimum la possibilité de piégeage dans des minima locaux.

Le PSO est généralement attribuée à Kennedy, Eberhart et Shi,[1] qui a présenté l'étude du comportement social simulé, l'étude du mouvement des troupeaux d'oiseaux ou des bancs de poissons. L'algorithme a été simplifié quand il a été rendu compte qu'il pouvait mener à bien l'optimisation.

Bien que l'algorithme de PSO peut être mis en œuvre pour résoudre les problèmes d'optimisation multi-objectifs, où la pareto avant Il vous aide à choisir les solutions optimales du problème.[2][3]

notes

  1. ^ Kennedy, J;. Eberhart, R. (1995). « L'optimisation des essaim de particules ». Actes de l'IEEE Conférence internationale sur les réseaux de neurones. IV. pp. 1942-1948.
  2. ^ Coello Coello, Salazar Lechuga, "Mopsus: Une proposition de fonctions multiples particules Swarm Optimisation", le Congrès sur Evolutionary Computation (CEC'2002), pp. 1051--1056
  3. ^ Parsopoulos K., M. Vrahatis, "méthode d'optimisation en essaim de particules pour des problèmes multi-objectifs", Actes du Symposium ACM sur Applied Computing (SAC), 2002, pp. 603-607

Articles connexes

Activité wiki récente

Aidez-nous à améliorer BooWiki
Commencez