پاورپوینت الگوریتم بهینهسازی توده ذرات
دانلود پاورپوینت الگوریتم بهینهسازی توده ذرات
در قالب پاورپوینت و در ۲۷ اسلاید، قابل ویرایش، شامل:
هوش جمعی
تاریخچه
مقدمه
الگوریتم PSO
پارامترها
Pseudo Code
مثال
منابع
پیاده‌سازی
هوش جمعی
هوش جمعی، خاصیتی است سیستماتیک که در این سیستم عامل‌ها به طور محلی با هم همکاری می‌نمایند و رفتار جمعی تمام عامل‌ها باعث یک همگرایی در نقطه‌ای نزدیک به جواب بهینه سراسری می‌شود. نقطه قوت این الگوریتم، عدم نیاز به یک کنترل سراسری می‌باشد. هر ذره (عامل) خودمختاری نسبی دارد که می‌تواند در سراسر فضای جواب‌ها حرکت کند و می‌بایست با سایر ذرات (عامل‌ها) همکاری داشته باشد. یکی از الگوریتم‌های مشهور هوش جمعی، بهینهسازی توده ذرات می‌باشند.
در كاربردهای محاسباتی، از موجوداتی مانند مورچه‌ها، زنبورها، موریانه‌ها، دسته‌های ماهیان و دسته‌ی پرندگان، الگوبرداری می‌شود. در این نوع اجتماعات، هر یك از موجودات ساختار نسبتاً ساده‌ای دارند، ولی رفتار جمعی آن‌ها بی‌نهایت پیچیده است.
برای مثال در كولونی مورچه‌ها، هر یك از مورچه‌ها یك كار ساده‌ی مخصوص را انجام می‌دهد، ولی به طور جمعی عمل و رفتار مورچه‌ها، ساختن بهینه‌ی لایه محافظت از ملكه و نوزادان، تمیز کردن لانه، یافتن بهترین منابع غذایی و بهینهسازی استراتژی حمله را تضمین می‌کند.
تاریخچه
این الگوریتم اولین بار توسط Kennedy و Eberhart مطرح شد. آن‌ها نام این الگوریتم را PSO نهادند.
یك الگوریتم جستجوی اجتماعی است كه از روی رفتار اجتماعی دسته‌های پرندگان مدل شده است. در ابتدا این الگوریتم به منظور كشف الگوهای حاكم بر پرواز هم‌زمان پرندگان و تغییر ناگهانی مسیرها در فضای جستجو بود.
مقدمه
در دسته پرندگان همیشه حرکت هر پرنده متمایل به سمت سردسته پرندگان است. اگر سردسته، انحرافی داشته باشد، بقیه هم همان انحراف را دارند. سردسته بهترین موقعیت را دارد.
هر ذره در حال جستجو برای نقطه بهینه است.
به همین دلیل در حال جابجایی است.
به دلیل این جابجایی، دارای سرعت است.
مانند سایر الگوریتم‌های جمعیتی، الگوریتم PSO از مجموعه‌ای از پاسخ‌های ممکن استفاده می‌کند که این پاسخ‌ها تا زمانی که یک پاسخ بهینه یافت شود و یا شرایط پایان الگوریتم محقق شود به حرکت خود ادامه می‌دهد.
دیدگاه‌ها (0)
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.