Pso به عنوان یک الگوریتم جستجو

[amir6708]

PSO به عنوان یک الگوریتم جستجو



امروزه با بزرگ شدن مسائل و اهمیت یافتن سرعت رسیدن به پاسخ و عدم پاسخگویی روشهای کلاسیک ، از الگوریتمهای جستجوی رندوم به جای جستجوی همه جانبه[1] فضای مسئله ، استقبال بیشتری می شود. در این بین در سالهای اخیر استفاده از الگوریتمهای جستجوی هیوریستیک (شهودی) همچون الگوریتم وراثتی[2] ، الگوریتم کلونی مورچه ها[3] و ... رشد چشمگیری داشته است. الگوریتم جستجوی pso [4] یکی از جدیدترین روشهای جستجو است. در این روش با تنظیم مسیر حرکت، یک جمعیت از ذرات[5] در فضای مسئله بر پایه اطلاعات مربوط به بهترین کارآیی قبلی مربوط به هر ذره و بهترین کارآیی قبلی مربوط به همسایگان هر ذره عمل جستجو را در فضای مسئله انجام می دهد.

pso یک تکنیک بهینه سازی مبتنی بر قوانین احتمال است که توسط دکتر راسل ابرهارت[6] و دکتر جیمز کندی[7] در سال 1995 ارئه شد و از رفتار اجتماعی پرندگان یا ماهی ها در پیدا کردن غذا الهام گرفته شده است]1و2[. فرض بر این است که یک گروه از پرندگان بصورت تصادفی در یک منطقه به دنبال غذا می گردند در حالی که تنها در یک قسمت از ناحیه ی جستجو ، غذا وجود دارد. پرندگان از مکان غذا اطلاعی ندارند و تنها میزان فاصله ی خود تا آن محل را می دانند . استراتژی به کار رفته این است که پرندگان به دنبال پرنده ای حرکت میکنند که نزدیکترین فاصله را تا غذا دارد. در pso هر جواب مسئله ، یک پرنده در فضای جستجو است که ذره نام گرفته است. هر ذره دارای یک مقدار شایستگی[8] است که توسط تابع شایستگی[9] مسئله بدست می آید. پرنده ای که به غذا نزدیکتر است ، شایستگی بیشتری دارد. این الگوریتم ماهیت پیوسته دارد و در کارهای متعدد کارآیی خود را ثابت کرده است. امروزه این الگوریتم در بسیاری از کاربردها استفاده می شود. الگوریتم pso ذاتاً یک الگوریتم پیوسته است. برای حل مسائل گسسته نسخه باینری آن نیز ارائه شده است.




--------------------------------------------------------------------------------

[1] Exhaustive search

[2] Genetic Algorithm(GA)

[3] Ant Colony Optimization(ACO)

[4] Particle Swarm Optimization(PSO)

[5] Particles

[6] Russel Eberhart

[7] James Kennedy

[8] Fittness Value

[9] Fittness Function



J.Kennedy and R.Eberhart, "Particle Swarm Optimization" Proceeding of IEEE International Conference on neural networks vol 4, 27 Nov.-1 Dec 1995 .

[دارابی]

ممنون از راهنماییتون