کلمه PSO به معنی Particle Swarm Optimization یا بهینهسازی ازدحام ذرات است. برای حل مسائل بهینه سازی از طریق روش های هوشمند الگوریتم های تکاملی و فراابتکاری ابزارهای بسیار قدرتمند هوش مصنوعی هستند. این الگوریتم ها، که اغلب از فرایندهای طبیعی الهام گرفته شده اند، در واقع روش های جستجو هستند که در فضای همه پاسخ های ممکن برای یک مساله بهینه سازی جستجو میکنند. روش PSO ریشه در کارهای Reynolds دارد که یک شبیه سازی ابتدایی از رفتار اجتماعی پرندگان است. ازدحام ذرات در طبیعت برای ما بیانگر هوش جمعی است. حرکت جمعی ماهیها درون آب یا پرندگان هنگام مهاجرت را در نظر بگیرید، همگی اعضا با یکدیگر به صورت کاملا هماهنگ حرکت میکنند، اگر قرار است شکار کنند با هم شکار میکنند و اگر قرار است طعمه شکار دیگری شوند با حرکت گروهی از چنگ شکارچی فرار میکنند.
ویژگیهای الگوریتم ازدحام ذرات:
۱- هر ذره به طور مستقل، به دنبال نقطه بهینه میگردد.
۲- هر ذره در هر گام با سرعت یکسان حرکت میکند.
۳- هر ذره مکان بهترین نقطههایی که تا بi حال درآن قرار داشته را به خاطر میسپارد.
۴- ذرات با هم همکاری می کنند و یکدیگر را از مکانهایی که جستجو کردهاند مطلع میسازند.
۵- هر ذره با ذرات همسایهاش، درارتباط است.
۶- هر ذره از فیتنس ذراتی که در همسایگی قرار دارند مطلع است.
۷- هر ذره از مکان بهترین ذراتی که در همسایگی خود قرار دارد مطلع است.
مراحل الگوریتم ازدجام ذرات:
۱- ایجاد جمعیت اولیه و ارزیابی آن
۲- تعیین بهترین خاطرات شخصی و بهترین خاطره جمعی
۳- بروزرسانی سرعت و موقعیت
۴- در صورت برآورده نشدن شرایط توقف بازگشت به مرحله دو
اکنون کدهای این الگوریتم به صورت کامل برای شما تهیه و ارائه شده است.
دوستان گرامی توجه فرمایید که: این کد به صورت اختصاصی توسط گیل پروژه ارائه شده است و مورد تائید ما می باشد.
مجتبی
در تاریخ
خوب است