Optimisation par essaim de particulesIl s'agit d'un algorithme d'optimisation basé sur la théorie de l'intelligence en essaim, qui utilise des particules pour optimiser le problème dans le processus de recherche itérative.

Cet algorithme a été proposé par J. Kennedy et RCEberhart en 1995. Il s'agit d'une technologie informatique évolutive issue de la simulation d'un modèle social simplifié. Il ajuste sa position et sa vitesse en suivant les deux valeurs extrêmes du groupe. Les deux valeurs extrêmes sont : la solution optimale Pbest trouvée par la particule elle-même et la solution optimale Gbest trouvée par le groupe.

Explication du concept

• « Essaim » est un principe de base de l’intelligence collective, qui découle du modèle de développement et d’application de la vie artificielle en faisant correspondre des essaims de particules ;
• Le terme « particule » est utilisé pour décrire les membres d’un groupe comme des substances qui n’ont ni masse ni volume mais qui ont une vitesse et une accélération.

Applications du PSO

PSO est un type d'algorithme d'intelligence en essaim, conçu sur la base de la simulation du comportement de prédation des volées d'oiseaux.

En supposant qu’il n’y ait qu’une seule source de nourriture dans la zone (c’est-à-dire la solution optimale), la tâche de la volée d’oiseaux est de trouver cette source de nourriture. Les individus se transmettront leurs informations entre eux pour réaliser la transmission. Grâce à une telle collaboration, ils peuvent déterminer la solution optimale et également transmettre les informations de la solution optimale à l’ensemble du groupe. Finalement, ils peuvent se rassembler autour de la source de nourriture, c'est-à-dire qu'ils ont trouvé la solution optimale.

Flux d'algorithme PSO standard

1. Initialiser un groupe de particules (la taille du groupe est m), y compris des positions et des vitesses aléatoires ;
2. Évaluer la fitness de chaque particule ;
3. Pour chaque particule, la valeur de fitness est comparée à Pbest, et la meilleure valeur est considérée comme la meilleure position actuelle Pbest ;
4. Pour chaque particule, la valeur de fitness est comparée à Gbest, et la meilleure valeur est utilisée comme numéro d'index de Gbest ;
5. Modifiez la vitesse et la position de la particule selon l'équation ;
6. Si la condition de fin n’est pas remplie, répétez l’étape 2.